根本原因并解决返回 R 的 'lime' 库的 'explain' 函数的错误
root cause and resolve an error returned R's 'lime' library's, 'explain' function
在 h2o 随机森林上使用“lime”库中的 "explain" 函数时出现此错误。
Error in elnet(x, is.sparse, ix, jx, y, weights, offset, type.gaussian, :
y is constant; gaussian glmnet fails at standardization step
我找不到在线文档,也找不到有关此问题的在线帮助。你能帮我找到根本原因并解决它吗?
这是我的代码:
explainer_h2o_rf <- lime(x=big_df,
model=fit_rf.hex,
bin_continuous = FALSE,
use_density = T,
quantile_bins = F)
# for(i in 1:25){
i <- c(1,2)
explanation_rf <- explain(x = x_lime[i,],
explainer = explainer_h2o_rf,
n_features = 15,
feature_select = "auto",
labels = "1")
备注:
- 我正在预测 h2o 模型中的二项式变量,
'fit_rf.hex'.
- 我完成了 this 并成功了,但我目前的方法没有
- "lime" 标签似乎不适用于此 lime 库,但适用于用于单元测试的东西。
- 非高斯应该不是问题,因为(我认为)我已经使用内核方法设置了处理非高斯(几乎所有我的数据都是非高斯)数据的标志。
这里 sites/questions 没有包含我的答案:
- Lasso error in glmnet NA/NaN/Inf
- glmnet training throws error on x,y dataframe arguments: am I using it wrong?
- Error - Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs)= etc
- Error resulting in using cv.glmnet
Error in elnet(x, is.sparse, ix, jx, y, weights, offset, type.gaussian, :
y is constant; gaussian glmnet fails at standardization step
只是阅读错误,您的训练数据似乎有问题,或者可能是用于训练 glmnet
模型的数据的某些子集(elnet()
在内部使用glmnet()
函数)。
具体来说,错误表明响应列是常量,因此无法训练 glmnet
模型——训练 glmnet
模型是 model_permutations()
函数内部的一个步骤,它本身在 explain()
函数内。
您应该检查您的回复栏以确保它不是恒定的。
我遇到了类似的错误。
我将 labels = "Yes"
更改为 labels = "Response"
,以匹配解决我问题的目标变量。
在 h2o 随机森林上使用“lime”库中的 "explain" 函数时出现此错误。
Error in elnet(x, is.sparse, ix, jx, y, weights, offset, type.gaussian, :
y is constant; gaussian glmnet fails at standardization step
我找不到在线文档,也找不到有关此问题的在线帮助。你能帮我找到根本原因并解决它吗?
这是我的代码:
explainer_h2o_rf <- lime(x=big_df,
model=fit_rf.hex,
bin_continuous = FALSE,
use_density = T,
quantile_bins = F)
# for(i in 1:25){
i <- c(1,2)
explanation_rf <- explain(x = x_lime[i,],
explainer = explainer_h2o_rf,
n_features = 15,
feature_select = "auto",
labels = "1")
备注:
- 我正在预测 h2o 模型中的二项式变量, 'fit_rf.hex'.
- 我完成了 this 并成功了,但我目前的方法没有
- "lime" 标签似乎不适用于此 lime 库,但适用于用于单元测试的东西。
- 非高斯应该不是问题,因为(我认为)我已经使用内核方法设置了处理非高斯(几乎所有我的数据都是非高斯)数据的标志。
这里 sites/questions 没有包含我的答案:
- Lasso error in glmnet NA/NaN/Inf
- glmnet training throws error on x,y dataframe arguments: am I using it wrong?
- Error - Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs)= etc
- Error resulting in using cv.glmnet
Error in elnet(x, is.sparse, ix, jx, y, weights, offset, type.gaussian, :
y is constant; gaussian glmnet fails at standardization step
只是阅读错误,您的训练数据似乎有问题,或者可能是用于训练 glmnet
模型的数据的某些子集(elnet()
在内部使用glmnet()
函数)。
具体来说,错误表明响应列是常量,因此无法训练 glmnet
模型——训练 glmnet
模型是 model_permutations()
函数内部的一个步骤,它本身在 explain()
函数内。
您应该检查您的回复栏以确保它不是恒定的。
我遇到了类似的错误。
我将 labels = "Yes"
更改为 labels = "Response"
,以匹配解决我问题的目标变量。