以下是一个可重复的示例,基本上我正在尝试做的是创建五个插补数据集,然后使用插入符号中的训练函数将SVM应用于每个插补数据集,然后使用caretEnsemble整合生成的训练模型。最后,我使用整体模型预测每个测试集。
但是,我收到此错误
check_bestpreds_obs(modelLibrary)中的错误:
每个组件模型的观察值都不相同。请使用相同的Y变量重新训练模型
反正有可以帮助我合奏不同的训练模型吗?
真的很感激任何帮助。
library(mice)
library(e1071)
library(caret)
library("caretEnsemble")
data <- iris
#Generate 10% missing values at Random
iris.mis <- prodNA(iris, noNA = 0.1)
#remove categorical variables
iris.mis <- subset(iris.mis, select = -c(Species))
# 5 Imputation using mice pmm
imp <- mice(iris.mis, m=5, maxit = 10, method = 'pmm', seed = 500)
# save 5 imputed dataset.
x1 <- complete(imp, action = 1, include = FALSE)
x2 <- complete(imp, action = 2, include = FALSE)
x3 <- complete(imp, action = 3, include = FALSE)
x4 <- complete(imp, action = 4, include = FALSE)
x5 <- complete(imp, action = 5, include = FALSE)
## Apply the following method for each imputed set
form <- iris$Sepal.Width # target column
n <- nrow(x1) # since all data sample are the same length
prop <- n%/%fold
set.seed(7)
newseq <- rank(runif(n))
k <- as.factor((newseq - 1)%/%prop + 1)
CVfolds <- 10
CVrepeats <- 3
indexPreds <- createMultiFolds(x1[k != i,]$Sepal.Width, CVfolds, CVrepeats)
ctrl <- trainControl(method = "repeatedcv", repeats = CVrepeats,number = CVfolds, returnResamp = "all", savePredictions = "all", index = indexPreds)
fit1 <- train(Sepal.Width ~., data = x1[k !=i, ],method='svmLinear2',trControl = ctrl)
fit2 <- train(Sepal.Width ~., data = x2[k != i, ],method='svmLinear2',trControl = ctrl)
fit3 <- train(Sepal.Width ~., data = x3[k != i, ],method='svmLinear2',trControl = ctrl)
fit4 <- train(Sepal.Width ~., data = x4[k != i, ],method='svmLinear2',trControl = ctrl)
fit5 <- train(Sepal.Width ~., data = x5[k != i, ],method='svmLinear2',trControl = ctrl)
#combine the created model to a list
svm.fit <- list(svmLinear1 = fit1, svmLinear2 = fit2, svmLinear3 = fit3, svmLinear4 = fit4, svmLinear5 = fit5)
# convert the list to cartlist
class(svm.fit) <- "caretList"
#create the ensemble where the error occur.
svm.all <- caretEnsemble(svm.fit,method='svmLinear2')
答案 0 :(得分:0)
你必须简化你的例子。获取错误不需要太多的移动部件和循环。其中一个内部caretEnsemble控件正在抛出此错误,但消息定义不明确。
话虽如此,
caretList需要有一个指定的trainControl
对象,您可以将其与每个列车模型一起使用。否则,每个型号的重新采样将有所不同,您将收到错误:
&#34;组件模型没有相同的重新采样策略&#34;
下一个问题是您对每个列车对象使用不同的数据集。 CaretEnsemble旨在与相同的训练数据集一起使用。你的x1到x5都是不同的,即使它们具有相同的基础。这将导致错误:
&#34;每个组件模型的观察值不相同。请 使用相同的Y变量重新训练模型&#34;
最后,如果您想从经过单独培训的模型中构建model.list
,请使用c(model1, model2)
。请参阅文档c.train