Question

我对R语言编程比较陌生。我正在尝试对300个预测变量进行RFE，以理想地选择30个最有用的预测变量并捕获预测变量的排名。

我已经适合了逻辑回归模型：

Ior

我听说'caret'软件包是用于RFE的软件包：

var_selected = [.....column names of variables selected]

train_matrix <- Matrix(as.matrix(train[, var_selected]),
                   sparse = TRUE)

glmnet_model <- cv.glmnet(x = train_matrix,
                      y = as.factor(train[,TARGET]),
                      alpha = 1,
                      family = 'binomial',
                      type.measure = 'auc')

＃汇总结果打印（结果）＃列出所选功能预测结果（结果）

执行此代码时，我不断重复出现以下错误：

library(caret)
# define the control using a random forest selection function
control <- rfeControl(functions=NULL, method="cv", number=3)
# run the RFE algorithm
results <- rfe(train[,3:303], as.factor(train[,2]), 
sizes=c(1:20), rfeControl=control)

当我停止执行时，我收到此消息：

invalid mtry: reset to within valid rangeinvalid

我确信我的错误与我定义的控制变量有关，但似乎无法抓住它。任何帮助都会很棒！

编辑：按照建议，运行dput（train）。在[-2，2]之间大约有300列数字。在此处发布完整的dput（train）超出了字符数限制，但是我已经包括了列名供参考：

note: only 2 unique complexity parameters in default grid. Truncating the grid to 2 .
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .

尝试执行RFE时，无效的mtry错误？

0 个答案: