消除插入符号 R 中的迭代信息文本
Eliminate iteration information text in caret R
我正在研究经典 Iris 数据集上的一些 ML 算法。这是我的代码:
library(tidyverse)
library(caret)
dataset <- iris
tt_index <- createDataPartition(dataset$Sepal.Length, times = 1, p = 0.9, list = FALSE)
train_set <- dataset[tt_index, ]
test_set <- dataset[-tt_index, ]
model_glm <- train(Species ~.,
data = train_set,
method = "gbm")
我的问题是像 gbm
这样的复杂方法会显示迭代文本信息,如下所示:
Iter TrainDeviance ValidDeviance StepSize Improve
1 1.0986 nan 0.1000 0.3942
2 0.8415 nan 0.1000 0.2644
3 0.6641 nan 0.1000 0.1963
4 0.5333 nan 0.1000 0.1489
5 0.4325 nan 0.1000 0.1091
我尝试使用 suppressWarnings
和 suppressMessages
函数,但迭代信息文本仍然出现。
suppressMessages(model_glm <- train(Species ~.,
data = train_set,
method = "gbm"))
请问,您知道如何避开该信息文本吗?任何帮助将不胜感激。
这应该可以解决问题:
model_glm <- train(Species ~.,
data = train_set,
method = "gbm",verbose=FALSE)
说明,在插入符调用的gbm()
里面,有一个选项可以设置verbose=FALSE
,这样就不会打印训练信息了。这些附加参数可以传递给 gbm()
或任何其他调用的模型函数,通常称为 ...
,您可以在小插图中看到它:
...: Arguments passed to the classification or regression routine
(such as ‘randomForest’). Errors will occur if values for
tuning parameters are passed here.
我正在研究经典 Iris 数据集上的一些 ML 算法。这是我的代码:
library(tidyverse)
library(caret)
dataset <- iris
tt_index <- createDataPartition(dataset$Sepal.Length, times = 1, p = 0.9, list = FALSE)
train_set <- dataset[tt_index, ]
test_set <- dataset[-tt_index, ]
model_glm <- train(Species ~.,
data = train_set,
method = "gbm")
我的问题是像 gbm
这样的复杂方法会显示迭代文本信息,如下所示:
Iter TrainDeviance ValidDeviance StepSize Improve
1 1.0986 nan 0.1000 0.3942
2 0.8415 nan 0.1000 0.2644
3 0.6641 nan 0.1000 0.1963
4 0.5333 nan 0.1000 0.1489
5 0.4325 nan 0.1000 0.1091
我尝试使用 suppressWarnings
和 suppressMessages
函数,但迭代信息文本仍然出现。
suppressMessages(model_glm <- train(Species ~.,
data = train_set,
method = "gbm"))
请问,您知道如何避开该信息文本吗?任何帮助将不胜感激。
这应该可以解决问题:
model_glm <- train(Species ~.,
data = train_set,
method = "gbm",verbose=FALSE)
说明,在插入符调用的gbm()
里面,有一个选项可以设置verbose=FALSE
,这样就不会打印训练信息了。这些附加参数可以传递给 gbm()
或任何其他调用的模型函数,通常称为 ...
,您可以在小插图中看到它:
...: Arguments passed to the classification or regression routine
(such as ‘randomForest’). Errors will occur if values for
tuning parameters are passed here.