Question

在交叉验证中，根据num和重复的值，观察到的增强结果有所不同。如果[num = 5，重复= 3]，则模型拟合没有错误。但是，如果[num = 2，repeat = 3]，您将得到一个错误，指出该模型不合适。我想知道简历对模型拟合有什么影响，而不仅仅是学习如何拆分训练数据。

 crossval.ctrl1 <- trainControl(method = "repeatedcv", number = 5,  repeats = 3)

 crossval.ctrl2 <- trainControl(method = "repeatedcv", number = 2,  repeats = 3)

 stochastic.boosting <- train(Species ~ ., data = trainData, method = 'gbm', preProcess =c("center", "scale"), trControl = crossval.ctrl2, tuneLength = 5)

错误：

1：Fold1模型拟合失败。Rep1：收缩率= 0.1，   interact.depth = 1，n.minobsinnode = 10，n.trees = 250错误（函数   （x，y，offset = NULL，misc = NULL，distribution =“ bernoulli”，：
  数据集太小或子采样率太大：   nTrain * bag.fraction <= n.minobsinnode

2：Fold1模型拟合失败。Rep1：收缩率= 0.1，   interact.depth = 2，n.minobsinnode = 10，n.trees = 250错误（函数   （x，y，offset = NULL，misc = NULL，distribution =“ bernoulli”，：
  数据集太小或子采样率太大：   nTrain * bag.fraction <= n.minobsinnode

3：Fold1模型拟合失败。Rep1：收缩率= 0.1，   interact.depth = 3，n.minobsinnode = 10，n.trees = 250错误（函数   （x，y，offset = NULL，misc = NULL，distribution =“ bernoulli”，：
  数据集太小或子采样率太大：   nTrain * bag.fraction <= n.minobsinnode

我使用scat数据作为分析数据。

cv和boosting有什么关系？

0 个答案: