Question

我在插入包中的自定义训练模型遇到了问题。我需要做一个SVM回归，我想找到SVM模型的所有参数 - 成本，sigma和epsilon。内置版本只有成本和西格玛。我已经找到了一个非常有用的提示here和here，但我的模型仍无效。

Error in models$grid(x = x, y = y, len = tuneLength, search = trControl$search) : 
unused argument (search = trControl$search)

这个错误是我得到的，我的代码在这里。

SVMrbf <- list(type = "Regression", library = "kernlab", loop = NULL)
prmrbf <- data.frame(parameters = data.frame(parameter = c('sigma', 'C', 'epsilon'),
                                         class = c("numeric", "numeric", "numeric"),
                                         label = c('Sigma', "Cost", "epsilon")))
SVMrbf$parameters <- prmrbf
svmGridrbf <- function(x, y, len = NULL) {
                  library(kernlab)
                  sigmas <- sigest(as.matrix(x), na.action = na.omit, scaled = TRUE, frac = 1)
                  expand.grid(sigma = mean(sigmas[-2]), epsilon = 10^(-5:0),
          C = 2 ^(-5:len)) # len = tuneLength in train
}
SVMrbf$grid <- svmGridrbf
svmFitrbf <- function(x, y, wts, param, lev, last, weights, classProbs, ...) {
                   ksvm(x = as.matrix(x), y = y,
                         type = "eps-svr",
                         kernel = "rbfdot",
                         sigma = param$sigma,
                         C = param$C, epsilon = param$epsilon,
                         prob.model = classProbs,
                         ...)
}
SVMrbf$fit <- svmFitrbf
svmPredrbf <- function(modelFit, newdata, preProc = NULL, submodels = NULL)
  predict(modelFit, newdata)
SVMrbf$predict <- svmPredrbf
svmProb <- function(modelFit, newdata, preProc = NULL, submodels = NULL)
  predict(modelFit, newdata, type="probabilities")
SVMrbf$prob <- svmProb
svmSortrbf <- function(x) x[order(x$C), ]
SVMrbf$sort <- svmSortrbf


svmRbfFit <- train(x = train.predictors1, y = train.response1, method =       SVMrbf,
                 tuneLength = 10)
svmRbfFit

我找不到任何人，他们有同样的错误，也不知道究竟是什么错。这段代码几乎就是我在网上找到并略有改动的东西。

BTW这是我的第一篇文章，所以希望这是可以理解的，如果不是，我可以添加其他信息。

Answer 1

解决方案是在网格函数中包含参数search，例如

svmGridrbf <- function(x, y, len = NULL, search = "grid") {
                  library(kernlab)
                  sigmas <- sigest(as.matrix(x), na.action = na.omit, scaled = TRUE, frac = 1)
                  expand.grid(sigma = mean(sigmas[-2]), epsilon = 10^(-5:0), C = 2 ^(-5:len)) # len = tuneLength in train
}

如果仔细查看caret documentation自定义函数，您会看到插入符号要求您指定如何在用户想要进行网格搜索时选择默认参数和如果她想做随机搜索（参见“网格元素”）。

错误消息告诉您插入符号将参数传递给函数，该函数实际上并未定义为该函数的参数。

这可能更容易在这里看到：

sd(x = c(1,2,3), a = 2)
# Error in sd(x = c(1, 2, 3), a = 2) : unused argument (a = 2)

在插入符号中调整自定义SVM模型时出错

1 个答案: