Question

我想在preProcessing函数的内部{strong}内实现train，并在重采样的过程中实现它（这一直是插入符号指南所推荐的）。我发现在所有preProcessing方法之间，corr大大改善了我的预测。但是，它不适用于所有数据集。例如，当我将其应用于具有完全相同结构的数据集时，对于其中一个数据集，对其他数据集则无效。我设法通过以下数据集产生了相同的错误，就数据的性质而言，它与我的数据集有所不同，但仍然可以再现相同的错误：

set.seed(12345)
    y <- as.factor(sample(c("M", "F"),
                          prob = c(0.1, 0.9),
                          size = 10000,
                          replace = TRUE))


    x <- rnorm(10000)

    set.seed(20)
    z <- rnorm(10000)

    DATA <- data.frame(y, x, z)

这是我设置trainControl和train函数的方式：

set.seed(12345)
folds <- createFolds(dataSet$occurrence, k = 10,
                     list = TRUE, returnTrain = TRUE) 


# select algorithm
algorithm <- "bayesglm"

# train parameters
set.seed(12345)
traincontrol <- trainControl(method = "loocv",
                             number = 10,
                             index = folds,
                             classProbs = TRUE,
                             summaryFunction = twoClassSummary,
                             savePredictions = TRUE
                             )

fitModel <- train(y ~ .,
                  data = DATA, 
                  trControl = traincontrol,
                  method = algorithm,
                  metric = "ROC",
                  preProcess = c("corr")
                  )

这是我得到的错误：

Error in method$fit(x = x, y = y, wts = wts, param = tuneValue, lev = obsLevels,  : 
  argument is missing, with no default
In addition: There were 11 warnings (use warnings() to see them)
Timing stopped at: 0.034 0.001 0.034

我找不到问题并修复错误。我的代码有什么问题？

R插入符号：有关训练函数的

0 个答案: