在h2o随机森林上的“ lime”库中使用“解释”功能时,出现此错误。
Error in elnet(x, is.sparse, ix, jx, y, weights, offset, type.gaussian, :
y is constant; gaussian glmnet fails at standardization step
我无法在线找到文档,也无法在线找到有关此问题的帮助。您能帮我解决根本原因吗?
这是我的代码:
explainer_h2o_rf <- lime(x=big_df,
model=fit_rf.hex,
bin_continuous = FALSE,
use_density = T,
quantile_bins = F)
# for(i in 1:25){
i <- c(1,2)
explanation_rf <- explain(x = x_lime[i,],
explainer = explainer_h2o_rf,
n_features = 15,
feature_select = "auto",
labels = "1")
注意:
以下是不包含我的答案的网站/问题:
答案 0 :(得分:1)
elnet(x,is.sparse,ix,jx,y,weights,offset,type.gaussian,:
y是常数;高斯glmnet在标准化步骤失败
仅读取错误,您的训练数据似乎就有问题,或者可能是用于训练glmnet
模型的数据的某些子集({{1}中使用了{{ 1}}函数)。
具体来说,该错误表明响应列是恒定的,因此无法训练elnet()
模型-训练glmnet()
模型是glmnet
函数内部的一个步骤,该函数本身就是在glmnet
函数中。
您应该检查您的响应列,以确保它不是恒定的。
答案 1 :(得分:1)
我遇到了类似的错误。
我将labels = "Yes"
更改为labels = "Response"
,以匹配解决了我的问题的目标变量。