＆＃34;有效的偏差＆＃34;对于GBM模型而言，这是什么意思，这意味着什么以及如何摆脱这种局面？

Question

我正在使用渐变增强进行分类。虽然结果有所改善，但我在有效率方面获得了NaN。

Model = gbm.fit(
  x= x_Train ,
  y = y_Train ,
  distribution = "bernoulli",
  n.trees = GBM_NTREES ,
  shrinkage = GBM_SHRINKAGE ,
  interaction.depth = GBM_DEPTH ,
  n.minobsinnode = GBM_MINOBS ,
  verbose = TRUE
  )

结果

如何调整参数以获得有效的偏差。

Answer 1

我有同样的问题，奇怪的是，我们在这个问题上很少......

将train.fraction = 0.5添加到选项列表可以解决问题（似乎没有默认值，如果没有明确提到train.fraction值，则不会计算validdeviance。）