在插入符号中调整自定义 SVM 模型时出错

Question

我在使用 caret 包中的自定义训练模型时遇到问题。我需要做 SVM 回归，我想找到 SVM 模型的所有参数——成本、西格玛和 epsilon。内置版本只有成本和西格玛。我已经找到了一个非常有用的提示 here and here 但我的模型仍然无法正常工作。

Error in models$grid(x = x, y = y, len = tuneLength, search = trControl$search) : unused argument (search = trControl$search)

这是我遇到的错误，我的代码在这里。

SVMrbf <- list(type = "Regression", library = "kernlab", loop = NULL)
prmrbf <- data.frame(parameters = data.frame(parameter = c('sigma', 'C', 'epsilon'),
                                         class = c("numeric", "numeric", "numeric"),
                                         label = c('Sigma', "Cost", "epsilon")))
SVMrbf$parameters <- prmrbf
svmGridrbf <- function(x, y, len = NULL) {
                  library(kernlab)
                  sigmas <- sigest(as.matrix(x), na.action = na.omit, scaled = TRUE, frac = 1)
                  expand.grid(sigma = mean(sigmas[-2]), epsilon = 10^(-5:0),
          C = 2 ^(-5:len)) # len = tuneLength in train
}
SVMrbf$grid <- svmGridrbf
svmFitrbf <- function(x, y, wts, param, lev, last, weights, classProbs, ...) {
                   ksvm(x = as.matrix(x), y = y,
                         type = "eps-svr",
                         kernel = "rbfdot",
                         sigma = param$sigma,
                         C = param$C, epsilon = param$epsilon,
                         prob.model = classProbs,
                         ...)
}
SVMrbf$fit <- svmFitrbf
svmPredrbf <- function(modelFit, newdata, preProc = NULL, submodels = NULL)
  predict(modelFit, newdata)
SVMrbf$predict <- svmPredrbf
svmProb <- function(modelFit, newdata, preProc = NULL, submodels = NULL)
  predict(modelFit, newdata, type="probabilities")
SVMrbf$prob <- svmProb
svmSortrbf <- function(x) x[order(x$C), ]
SVMrbf$sort <- svmSortrbf


svmRbfFit <- train(x = train.predictors1, y = train.response1, method =       SVMrbf,
                 tuneLength = 10)
svmRbfFit

我找不到任何人有同样的错误并且不知道到底出了什么问题。这段代码几乎是我在网上找到的，稍作改动。

顺便说一句，这是我的第一个 post，所以希望它是可以理解的，如果不是我可以添加其他信息。

Answer 1

解决方案是在您的网格函数中包含一个参数 search，例如

svmGridrbf <- function(x, y, len = NULL, search = "grid") {
                  library(kernlab)
                  sigmas <- sigest(as.matrix(x), na.action = na.omit, scaled = TRUE, frac = 1)
                  expand.grid(sigma = mean(sigmas[-2]), epsilon = 10^(-5:0), C = 2 ^(-5:len)) # len = tuneLength in train
}

如果您仔细查看自定义函数的 caret documentation，您会发现插入符号希望您指定如何 select 默认参数，以防用户想要进行网格搜索和，以防她想进行随机搜索（参见"the grid element"）。

错误消息告诉您插入符号向函数传递的参数实际上并未定义为该函数的参数。

这可能更容易在此处看到：

sd(x = c(1,2,3), a = 2)
# Error in sd(x = c(1, 2, 3), a = 2) : unused argument (a = 2)

在插入符号中调整自定义 SVM 模型时出错

Error with tuning custom SVM model in caret

r

svm

r-caret

kernlab