caret पर टैग किए गए जवाब

मैं मॉडल ट्यूनिंग का उपयोग कर रहा हूं caret, लेकिन फिर gbmपैकेज का उपयोग करके मॉडल को फिर से चलाना । यह मेरी समझ है कि caretपैकेज का उपयोग होता है gbmऔर आउटपुट समान होना चाहिए। हालाँकि, data(iris)मूल्यांकन के रूप में RMSE और R ^ 2 का उपयोग करके लगभग …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

मैं कैरेट पैकेज का उपयोग करके GBM मॉडल के साथ काम कर रहा हूं और अपने अनुमानित डेटा के लिए पूर्वानुमान अंतराल को हल करने के लिए एक विधि ढूंढ रहा हूं। मैंने बड़े पैमाने पर खोज की है लेकिन केवल रैंडम फ़ॉरेस्ट के लिए पूर्वानुमान अंतराल खोजने के लिए …

12 caret  prediction-interval  gbm 

मैं 10x10CV के साथ एक यादृच्छिक वस्तु को प्रशिक्षित करने के लिए कैरेट पैकेज का उपयोग करता हूं। library(caret) tc <- trainControl("repeatedcv", number=10, repeats=10, classProbs=TRUE, savePred=T) RFFit <- train(Defect ~., data=trainingSet, method="rf", trControl=tc, preProc=c("center", "scale")) उसके बाद, मैं एक टेस्टसेट पर यादृच्छिक परीक्षण का परीक्षण करता हूं (नया डेटा) RF.testSet$Prediction …

12 r  random-forest  prediction  caret 

मेरे पास कुछ हजार विशेषताओं के साथ डेटा है और मैं अनइनफॉर्मेटिव को हटाने के लिए पुनरावर्ती सुविधा चयन (RFE) करना चाहता हूं। मैं यह कार्यवाहक और RFE के साथ करता हूं । हालांकि, मैंने सोचना शुरू कर दिया, अगर मैं सबसे अच्छा प्रतिगमन फिट होना चाहता हूं (यादृच्छिक वन, …

12 regression  feature-selection  random-forest  caret 

mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

मुझे यह समझने में परेशानी हो रही है कि पैकेज के varImpसाथ यादृच्छिक यादृच्छिक मॉडल के लिए फ़ंक्शन कैसे काम करता है caret। नीचे दिए गए उदाहरण में सुविधा var3 को कैरेट के varImpफ़ंक्शन का उपयोग करके शून्य महत्व मिलता है , लेकिन अंतर्निहित randomForest अंतिम मॉडल में सुविधा var3 …

10 r  caret  random-forest 

यह शायद एक मूर्खतापूर्ण सवाल हो सकता है, लेकिन जब कैरेट वाला मॉडल बनाते हैं और कुछ का उपयोग करते हुए LOOCV(या उससे भी अधिक) LGOCV, तो ट्रेन और परीक्षण सेट में डेटा को विभाजित करने का क्या लाभ है, यदि यह अनिवार्य रूप से क्रॉस-मान्यता कदम है वैसे भी …

9 r  machine-learning  cross-validation  caret