MLR 和 randomForestSRC:计算机之间的不一致
MLR and randomForestSRC: Incoherence between computers
我们的团队运行使用以下代码创建随机森林模型并对其进行训练:
# Define a cross validation strategy
rdesc <- makeResampleDesc("CV", iters = cv_fold, predict = "both")
# Define a (regression) task
task_01 = makeRegrTask(data = data.model, target = "target_actual")
# Make a learner
lrn_rf = makeLearner("regr.randomForestSRC", predict.type = "response",
fix.factors.prediction = TRUE,
par.vals = list(nodesize = 50, mtry = 36, ntree = 500))
set.seed(7)
model_rf = mlr::resample(lrn_rf, task_01, rdesc, models = TRUE,
extract = function(x) getLearnerModel(x),
measures = list(rmse, rsq), show.info = FALSE)
model_rf
大多数情况下,模型会预测有意义的连贯结果。然而,当我 运行 在我的两个同事的计算机上使用完全相同的代码(没有任何变化)时,该模型预测了那些奇怪的结果:
Resample Result
Task: data.model
Learner: regr.randomForestSRC
Aggr perf: rmse.test.rmse=361.1464455,rsq.test.mean=-588.1729057
Runtime: 4.0032
为什么只有两台计算机会出现这种奇怪的行为,而其他计算机却不会?
这是版本冲突。安装旧版本的 randomForestSRC 后,它在我的电脑上也能正常工作。
它绝对没有工作 randomForestSRC 版本:2.6.0
它肯定有效 现在 randomForestSRC 版本:2.5.1
我们的团队运行使用以下代码创建随机森林模型并对其进行训练:
# Define a cross validation strategy
rdesc <- makeResampleDesc("CV", iters = cv_fold, predict = "both")
# Define a (regression) task
task_01 = makeRegrTask(data = data.model, target = "target_actual")
# Make a learner
lrn_rf = makeLearner("regr.randomForestSRC", predict.type = "response",
fix.factors.prediction = TRUE,
par.vals = list(nodesize = 50, mtry = 36, ntree = 500))
set.seed(7)
model_rf = mlr::resample(lrn_rf, task_01, rdesc, models = TRUE,
extract = function(x) getLearnerModel(x),
measures = list(rmse, rsq), show.info = FALSE)
model_rf
大多数情况下,模型会预测有意义的连贯结果。然而,当我 运行 在我的两个同事的计算机上使用完全相同的代码(没有任何变化)时,该模型预测了那些奇怪的结果:
Resample Result
Task: data.model
Learner: regr.randomForestSRC
Aggr perf: rmse.test.rmse=361.1464455,rsq.test.mean=-588.1729057
Runtime: 4.0032
为什么只有两台计算机会出现这种奇怪的行为,而其他计算机却不会?
这是版本冲突。安装旧版本的 randomForestSRC 后,它在我的电脑上也能正常工作。
它绝对没有工作 randomForestSRC 版本:2.6.0
它肯定有效 现在 randomForestSRC 版本:2.5.1