在 R 中的插入符号序列函数中使用 'ROC' 指标的问题
Issue using 'ROC' metric in caret train function in R
我有一个包含两个 类 的不平衡数据集，因此我想我可以使用 ROC 作为指标而不是准确性来使用 caret 包在 R 中调整我的模型（我正在尝试不同的方法，例如 rpart，射频等）。我认为我们可以提取概率并将 ROC 用作决策树类型算法中的度量标准，也可以使用插入符号。我使用下面插入符号中的数据集来说明我的问题。此数据中有三个 类，但出于说明目的，我重新定义并创建了两个 类。我不明白为什么下面的代码会出现这个错误（当我改变方法时，我总是得到同样的错误）。感谢您的帮助。
'train.default(x, y, weights = w, ...) 中的错误：无法确定最终调整参数
此外： 警告信息：
1：在 nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo, : 重采样性能测量中存在缺失值。
2: In train.default(x, y, weights = w, ...) : 在聚合结果中发现缺失值'
library(caret)
data(iris)
iris$Species=as.character(iris$Species)
iris$Species[which(iris$Species=='virginica')]='versicolor'
iris$Species=as.factor(iris$Species)
fitControl <- trainControl(method = "cv",number=5,classProbs = TRUE,summaryFunction = twoClassSummary)
RF=train(Species ~ ., data = iris, method="rpart",metric="ROC", trControl=fitControl)
这可能是您的 r 和 caret 版本有问题。
当你更新你的 caret 包时，确保你的 r 版本也保持更新。
我之前遇到过这个错误，更新 r 版本解决了。
我有一个包含两个 类 的不平衡数据集，因此我想我可以使用 ROC 作为指标而不是准确性来使用 caret 包在 R 中调整我的模型（我正在尝试不同的方法，例如 rpart，射频等）。我认为我们可以提取概率并将 ROC 用作决策树类型算法中的度量标准，也可以使用插入符号。我使用下面插入符号中的数据集来说明我的问题。此数据中有三个 类，但出于说明目的，我重新定义并创建了两个 类。我不明白为什么下面的代码会出现这个错误（当我改变方法时，我总是得到同样的错误）。感谢您的帮助。
'train.default(x, y, weights = w, ...) 中的错误：无法确定最终调整参数 此外： 警告信息： 1：在 nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo, : 重采样性能测量中存在缺失值。 2: In train.default(x, y, weights = w, ...) : 在聚合结果中发现缺失值'
library(caret)
data(iris)
iris$Species=as.character(iris$Species)
iris$Species[which(iris$Species=='virginica')]='versicolor'
iris$Species=as.factor(iris$Species)
fitControl <- trainControl(method = "cv",number=5,classProbs = TRUE,summaryFunction = twoClassSummary)
RF=train(Species ~ ., data = iris, method="rpart",metric="ROC", trControl=fitControl)
这可能是您的 r 和 caret 版本有问题。 当你更新你的 caret 包时，确保你的 r 版本也保持更新。
我之前遇到过这个错误，更新 r 版本解决了。