R 插入符号：{ 中的错误：任务 1 失败 - "No importance values available"
R caret: Error in { : task 1 failed - "No importance values available"
我使用 'ranger' 方法以及类似的其他方法在 R 中选择 RFE 特征时遇到此错误。我已经尝试消除高度相关的特征、nzv 过滤、更改方法，使用权重矩阵，但我总是有类似的错误。 RFE 运行s 几倍，但随后停止。
variable.sizes <- c(2,5,50,500)
control <- rfeControl(functions = caretFuncs, method = "cv",
verbose = TRUE, returnResamp = "all",
number = num.iters)
results.rfe <- rfe(x = featureVars, y = classVars,
sizes = variable.sizes,
rfeControl = control, trControl = trainControl(method = "cv"),
preProcess=c("scale","center"), method="ranger")
featureVars 是一个数据框，我也尝试过矩阵，有 334 行，classVars 是一个有 3 个级别和 334 个项目的因子。 rfe 执行通过解析阶段和 运行 几次，然后停止，如此输出。
+(rfe) fit Fold1 size: 992
-(rfe) fit Fold1 size: 992
+(rfe) imp Fold1
+(rfe) fit Fold2 size: 992
Error in { : task 1 failed - "No importance values available"
这是sessionInfo，我已经更新了导入包的所有依赖项。
> sessionInfo()
R version 4.0.3 (2020-10-10)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 20.04.2 LTS
Matrix products: default
BLAS: /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.9.0
LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.9.0
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=en_US.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] ranger_0.12.1 dplyr_1.0.5 e1071_1.7-6 caret_6.0-87 ggplot2_3.3.3 lattice_0.20-41
loaded via a namespace (and not attached):
[1] Rcpp_1.0.6 pillar_1.5.1 compiler_4.0.3 gower_0.2.2 plyr_1.8.6
[6] iterators_1.0.13 class_7.3-18 tools_4.0.3 rpart_4.1-15 ipred_0.9-11
[11] lubridate_1.7.10 lifecycle_1.0.0 tibble_3.1.0 gtable_0.3.0 nlme_3.1-151
[16] pkgconfig_2.0.3 rlang_0.4.10 Matrix_1.3-2 foreach_1.5.1 DBI_1.1.1
[21] prodlim_2019.11.13 stringr_1.4.0 withr_2.4.1 pROC_1.17.0.1 generics_0.1.0
[26] vctrs_0.3.7 recipes_0.1.15 stats4_4.0.3 nnet_7.3-15 grid_4.0.3
[31] tidyselect_1.1.0 data.table_1.14.0 glue_1.4.2 R6_2.5.0 fansi_0.4.2
[36] survival_3.2-7 lava_1.6.9 reshape2_1.4.4 purrr_0.3.4 magrittr_2.0.1
[41] ModelMetrics_1.2.2.2 splines_4.0.3 MASS_7.3-53 scales_1.1.1 codetools_0.2-18
[46] ellipsis_0.3.1 assertthat_0.2.1 timeDate_3043.102 colorspace_2.0-0 utf8_1.2.1
[51] proxy_0.4-25 stringi_1.5.3 munsell_0.5.0 crayon_1.4.1
使用 ranger，您需要指定重要性度量，以便计算重要性值，例如 importance = "impurity"，请参阅 help page 了解更多信息。
下面我使用了一个指定了 importance 参数的示例数据集，您可以看到它有效：
x = cbind(iris[,1:4],matrix(rnorm(nrow(iris),6),ncol=6))
y = iris$Species
variable.sizes <- c(2,4,6)
control <- rfeControl(functions = caretFuncs, method = "cv",
verbose = TRUE, returnResamp = "all",
number = 5)
results.rfe <- rfe(x = x, y = y,
sizes = variable.sizes,
rfeControl = control,
trControl = trainControl(method = "cv"),
preProcess=c("scale","center"), method="ranger",
importance = "impurity")
输出：
+(rfe) 适合 Fold1 尺寸：10
-(rfe) 适合 Fold1 尺寸：10
+(rfe) imp Fold1
-(rfe) imp Fold1
+(rfe) fit Fold1 尺寸：6
-(rfe) 适合 Fold1 尺寸：6
+(rfe) fit Fold1 尺寸：4
-(rfe) 适合 Fold1 尺寸：4
+(rfe) fit Fold1 尺寸：2
注意：默认网格中只有 1 个独特的复杂性参数。将网格截断为 1 .
-(rfe) 适合 Fold1 尺寸：2
+(rfe) 适合 Fold2 尺寸：10
-(rfe) 适合 Fold2 尺寸：10
+(rfe) imp Fold2
-(rfe) imp Fold2
+(rfe) 适合 Fold2 尺寸：6
-(rfe) 适合 Fold2 尺寸：6
+(rfe) 适合 Fold2 尺寸：4
-(rfe) 适合 Fold2 尺寸：4
+(rfe) 适合 Fold2 尺寸：2
注意：默认网格中只有 1 个独特的复杂性参数。将网格截断为 1 .
-(rfe) fit Fold2 size: 2
+(rfe) fit Fold3 size: 10
-(rfe) fit Fold3 size: 10
+(rfe) imp Fold3
-(rfe) imp Fold3
+(rfe) fit Fold3 size: 6
-(rfe) fit Fold3 size: 6
+(rfe) fit Fold3 size: 4
-(rfe) fit Fold3 size: 4
+(rfe) fit Fold3 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .
-(rfe) fit Fold3 size: 2
+(rfe) fit Fold4 size: 10
-(rfe) fit Fold4 size: 10
+(rfe) imp Fold4
-(rfe) imp Fold4
+(rfe) fit Fold4 size: 6
-(rfe) fit Fold4 size: 6
+(rfe) fit Fold4 size: 4
-(rfe) fit Fold4 size: 4
+(rfe) fit Fold4 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .
-(rfe) fit Fold4 size: 2
+(rfe) fit Fold5 size: 10
-(rfe) fit Fold5 size: 10
+(rfe) imp Fold5
-(rfe) imp Fold5
+(rfe) fit Fold5 size: 6
-(rfe) fit Fold5 size: 6
+(rfe) fit Fold5 size: 4
-(rfe) fit Fold5 size: 4
+(rfe) fit Fold5 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .
-(rfe) fit Fold5 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .
我使用 'ranger' 方法以及类似的其他方法在 R 中选择 RFE 特征时遇到此错误。我已经尝试消除高度相关的特征、nzv 过滤、更改方法，使用权重矩阵，但我总是有类似的错误。 RFE 运行s 几倍，但随后停止。
variable.sizes <- c(2,5,50,500)
control <- rfeControl(functions = caretFuncs, method = "cv",
verbose = TRUE, returnResamp = "all",
number = num.iters)
results.rfe <- rfe(x = featureVars, y = classVars,
sizes = variable.sizes,
rfeControl = control, trControl = trainControl(method = "cv"),
preProcess=c("scale","center"), method="ranger")
featureVars 是一个数据框，我也尝试过矩阵，有 334 行，classVars 是一个有 3 个级别和 334 个项目的因子。 rfe 执行通过解析阶段和 运行 几次，然后停止，如此输出。
+(rfe) fit Fold1 size: 992
-(rfe) fit Fold1 size: 992
+(rfe) imp Fold1
+(rfe) fit Fold2 size: 992
Error in { : task 1 failed - "No importance values available"
这是sessionInfo，我已经更新了导入包的所有依赖项。
> sessionInfo()
R version 4.0.3 (2020-10-10)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 20.04.2 LTS
Matrix products: default
BLAS: /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.9.0
LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.9.0
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=en_US.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] ranger_0.12.1 dplyr_1.0.5 e1071_1.7-6 caret_6.0-87 ggplot2_3.3.3 lattice_0.20-41
loaded via a namespace (and not attached):
[1] Rcpp_1.0.6 pillar_1.5.1 compiler_4.0.3 gower_0.2.2 plyr_1.8.6
[6] iterators_1.0.13 class_7.3-18 tools_4.0.3 rpart_4.1-15 ipred_0.9-11
[11] lubridate_1.7.10 lifecycle_1.0.0 tibble_3.1.0 gtable_0.3.0 nlme_3.1-151
[16] pkgconfig_2.0.3 rlang_0.4.10 Matrix_1.3-2 foreach_1.5.1 DBI_1.1.1
[21] prodlim_2019.11.13 stringr_1.4.0 withr_2.4.1 pROC_1.17.0.1 generics_0.1.0
[26] vctrs_0.3.7 recipes_0.1.15 stats4_4.0.3 nnet_7.3-15 grid_4.0.3
[31] tidyselect_1.1.0 data.table_1.14.0 glue_1.4.2 R6_2.5.0 fansi_0.4.2
[36] survival_3.2-7 lava_1.6.9 reshape2_1.4.4 purrr_0.3.4 magrittr_2.0.1
[41] ModelMetrics_1.2.2.2 splines_4.0.3 MASS_7.3-53 scales_1.1.1 codetools_0.2-18
[46] ellipsis_0.3.1 assertthat_0.2.1 timeDate_3043.102 colorspace_2.0-0 utf8_1.2.1
[51] proxy_0.4-25 stringi_1.5.3 munsell_0.5.0 crayon_1.4.1
使用 ranger，您需要指定重要性度量，以便计算重要性值，例如 importance = "impurity"，请参阅 help page 了解更多信息。
下面我使用了一个指定了 importance 参数的示例数据集，您可以看到它有效：
x = cbind(iris[,1:4],matrix(rnorm(nrow(iris),6),ncol=6))
y = iris$Species
variable.sizes <- c(2,4,6)
control <- rfeControl(functions = caretFuncs, method = "cv",
verbose = TRUE, returnResamp = "all",
number = 5)
results.rfe <- rfe(x = x, y = y,
sizes = variable.sizes,
rfeControl = control,
trControl = trainControl(method = "cv"),
preProcess=c("scale","center"), method="ranger",
importance = "impurity")
输出：
+(rfe) 适合 Fold1 尺寸：10 -(rfe) 适合 Fold1 尺寸：10 +(rfe) imp Fold1 -(rfe) imp Fold1 +(rfe) fit Fold1 尺寸：6 -(rfe) 适合 Fold1 尺寸：6 +(rfe) fit Fold1 尺寸：4 -(rfe) 适合 Fold1 尺寸：4 +(rfe) fit Fold1 尺寸：2 注意：默认网格中只有 1 个独特的复杂性参数。将网格截断为 1 .
-(rfe) 适合 Fold1 尺寸：2 +(rfe) 适合 Fold2 尺寸：10 -(rfe) 适合 Fold2 尺寸：10 +(rfe) imp Fold2 -(rfe) imp Fold2 +(rfe) 适合 Fold2 尺寸：6 -(rfe) 适合 Fold2 尺寸：6 +(rfe) 适合 Fold2 尺寸：4 -(rfe) 适合 Fold2 尺寸：4 +(rfe) 适合 Fold2 尺寸：2 注意：默认网格中只有 1 个独特的复杂性参数。将网格截断为 1 .
-(rfe) fit Fold2 size: 2
+(rfe) fit Fold3 size: 10
-(rfe) fit Fold3 size: 10
+(rfe) imp Fold3
-(rfe) imp Fold3
+(rfe) fit Fold3 size: 6
-(rfe) fit Fold3 size: 6
+(rfe) fit Fold3 size: 4
-(rfe) fit Fold3 size: 4
+(rfe) fit Fold3 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .
-(rfe) fit Fold3 size: 2
+(rfe) fit Fold4 size: 10
-(rfe) fit Fold4 size: 10
+(rfe) imp Fold4
-(rfe) imp Fold4
+(rfe) fit Fold4 size: 6
-(rfe) fit Fold4 size: 6
+(rfe) fit Fold4 size: 4
-(rfe) fit Fold4 size: 4
+(rfe) fit Fold4 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .
-(rfe) fit Fold4 size: 2
+(rfe) fit Fold5 size: 10
-(rfe) fit Fold5 size: 10
+(rfe) imp Fold5
-(rfe) imp Fold5
+(rfe) fit Fold5 size: 6
-(rfe) fit Fold5 size: 6
+(rfe) fit Fold5 size: 4
-(rfe) fit Fold5 size: 4
+(rfe) fit Fold5 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .
-(rfe) fit Fold5 size: 2
note: only 1 unique complexity parameters in default grid. Truncating the grid to 1 .