来自《机器学习与R语言》-Lants一书中的代码运行错误

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

credit.xlsx (98.68 KB)

2018-4-9 22:25:30 上传

需要用到的信用数据default为被预测变量

1. ctrl <- trainControl(method = "cv",number = 10)
   
2. bagctrl <- bagControl(fit = svmBag$fit,
   
3.                       predict = svmBag$pred,
   
4.                       aggregate = svmBag$aggregate)
   
5. set.seed(300)
   
6. svmbag111 <- train(default~.,
   
7.                    data = credit,
   
8.                    "bag",
   
9.                    trControl = ctrl,
   
10.                    bagControl = bagctrl)

复制代码

Error in train(default ~ ., data = credit, "bag", trControl = ctrl, bagControl = bagctrl) :   unused arguments (data = credit, trControl = ctrl, bagControl = bagctrl)代码出自这本书的P245页，关于集成学习的部分。试了很多遍都不知道错在哪里，请大家帮忙看看如何处理。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：ants 机器学习 运行错误 NTS Ant

R里的caret包和mlr包都有一个强大的train函数，它俩重名，调用时需要指定是哪个，用caret::train试试。

兰茨的那本《机器学习与R语言》(原书第2版)我也从头到尾学过，很不错的入门教程，但是确实比较浅，很多代码可以在自己日后学习中将其不断完善以致适用面更广、更强大。
关于bagging自助汇聚法，其实caret包更多是直接调用train函数，并配合trControl、tuneGrid或tuneLength几个参数去进行参数调优。比如我学过那本书之后，上网参考了caret包的官方教程，修改了代码形成了自己的“套路”：

1. library(doMC)                                       # 根据caret官方教程使用此包为了并行计算
   
2. registerDoMC(8)                                   # 根据本地计算机cpu内核数量，载入指定数量的内核参与并行运算
   
3. credit <- read.csv("credit.csv", stringsAsFactors = T)
   
4. credit %>% glimpse
   
5. credit$default %>% CrossTable             # 查看分类情况
   
6. 
   
7. credit.idx <- createDataPartition(credit$default, p = 0.8, list = F) # 划分训练集和测试集
   
8. credit.tr <- credit[credit.idx, ]
   
9. credit.ts <- credit[-credit.idx, ]
   
10. 
    
11. # 支持向量机----
    
12. modelLookup("svmRadial")                     # 查看调用的算法可以调试的参数
    
13. system.time(credit.svm <- caret::train(default ~ ., credit.tr, method = "svmRadial",
    
14.                                                       metric = "ROC", # 评价模型的指标选择ROC曲线下的面积值
    
15.                                                       trControl = trainControl("cv", # 10折交叉验证
    
16.                                                                                          10,
    
17.                                                                                          summaryFunction = twoClassSummary,
    
18.                                                                                          classProbs = T),
    
19.                                                       tuneLength = 10)) # 调试参数的数量
    
20. credit.svm
    
21. credit.svm %>% plot                            # 调试结果可视化(lattice包)
    
22. credit.svm %>% ggplot                        # 调试结果可视化(ggplot2包)
    
23. credit.svm.pred <- predict(credit.svm, credit.ts) # 预测测试集
    
24. (credit.svm.cm <- caret::confusionMatrix(credit.svm.pred, credit.ts$default)) # 生成混淆矩阵
    
25. credit.svm.cm$byClass                         # 查看更多详细的测试结果

复制代码

narcissism0923 发表于 2018-4-10 10:31
兰茨的那本《机器学习与R语言》(原书第2版)我也从头到尾学过，很不错的入门教程，但是确实比较浅，很多代码 ...

学习了，但是您发的代码只包含了调参数的部分，也就是只训练了一个分类器，如果要训练多个基分类器，应该怎么做呢？

lanlanmei 发表于 2018-4-10 11:11
学习了，但是您发的代码只包含了调参数的部分，也就是只训练了一个分类器，如果要训练多个基分类器，应该 ...

每个学习器都有自己独特的参数，要调试参数最好一个个分别做，最后的结果可以汇总比较的。比如：

1. # 综合比较----
   
2. credit.res <-
   
3.   resamples(list(
   
4.     rf = credit.rf,                                        # 随机森林
   
5.     svm = credit.svm,                                # 支持向量机
   
6.     xgb = credit.xgb                                   # xgboost
   
7.   ))
   
8. summary(credit.res)
   
9. bwplot(credit.res)                                     # 汇总结果可视化，箱线图
   
10. bwplot(credit.res, metric = "ROC")
    
11. bwplot(credit.res, metric = "Sens")
    
12. bwplot(credit.res, metric = "Spec")
    
13. densityplot(credit.res, auto.key = T, pch = "|") # 汇总结果可视化，概率密度图
    
14. densityplot(credit.res,
    
15.             auto.key = T,
    
16.             pch = "|",
    
17.             metric = "ROC")
    
18. densityplot(credit.res,
    
19.             auto.key = T,
    
20.             pch = "|",
    
21.             metric = "Sens")
    
22. densityplot(credit.res,
    
23.             auto.key = T,
    
24.             pch = "|",
    
25.             metric = "Spec")

复制代码

当然，也可以把一堆学习器放一起调试，但那样的代码比较复杂，mlr包里的流程更清晰些。
我目前的“套路”是，先用一堆学习器一起学习一次，综合比较下谁的结果最好，挑出精度和时间综合平衡下最好的两三个学习器，再分别一个个调参，然后再利用调优的参数进行交叉验证，最后将验证结果放一起综合比较。
就我目前的水平来说，随机森林和xgboost是“黑箱”类中常常领先的两个学习器，尤其是xgboost，速度快、效果好！偶尔有earth、glmnet、nntrain这样的学习器在某些数据集上也不错，因为它们常常耗时更少。svm支持向量机综合起来精度不如随机森林和xgboost，速度更比不过xgboost。还有一类就是深度学习，如h2o的deeplearning，效果也不错，就是慢……

narcissism0923 发表于 2018-4-10 11:26
每个学习器都有自己独特的参数，要调试参数最好一个个分别做，最后的结果可以汇总比较的。比如：

我现在试了几个学习器后，也发现随机森林效果比较好，xgboost还没有试。我现在就像把bagControl这一项加到train函数中，这样能实现多个分类器的综合评价，但是总是出现错误，也不知道哪里出了问题。还有一点，我发现交叉验证方法实质上就相当于一个bagging过程了，不知道这样理解对吗？