R- GBM |数据使得经过训练的GBM模型非常繁重
R-GBM是一种基于数据的梯度提升机（Gradient Boosting Machine）模型，它在训练过程中使用了大量的数据。GBM是一种集成学习算法，通过迭代地训练多个弱学习器（通常是决策树），然后将它们组合成一个强学习器。
R-GBM的繁重性主要体现在以下几个方面：
- 训练时间长：由于R-GBM使用大量的数据进行训练，因此训练时间相对较长。在训练过程中，需要迭代地训练多个弱学习器，并且每个弱学习器的训练都需要考虑到全部数据的梯度信息，这增加了训练的复杂度和时间消耗。
- 内存占用大：R-GBM需要将大量的数据加载到内存中进行训练，因此对于内存的需求较高。在训练过程中，需要同时保存多个弱学习器和它们的梯度信息，这会占用大量的内存空间。
- 需要高性能计算资源：由于R-GBM的训练过程较为复杂，需要进行大量的计算操作，因此对于计算资源的要求较高。为了提高训练效率，通常需要使用高性能的计算设备或者分布式计算平台。
尽管R-GBM在训练过程中较为繁重，但它也具有一些优势和应用场景。优势包括：
- 高准确性：GBM是一种强大的机器学习算法，通过集成多个弱学习器，可以获得较高的预测准确性。R-GBM在使用大量数据进行训练的基础上，进一步提升了模型的准确性。
- 鲁棒性：GBM具有较强的鲁棒性，对于数据中的噪声和异常值具有一定的容忍度。R-GBM通过使用大量数据进行训练，可以更好地捕捉数据中的模式和规律，从而提高模型的鲁棒性。
- 可解释性：GBM模型相对于一些黑盒模型（如神经网络）来说，具有较好的可解释性。R-GBM通过迭代地训练多个决策树，每个决策树都可以解释为一个规则集合，从而可以解释模型的预测过程。
R-GBM在实际应用中具有广泛的应用场景，包括但不限于：
- 金融风控：R-GBM可以通过分析大量的金融数据，进行风险评估和信用评分，帮助金融机构进行风险控制和决策支持。
- 个性化推荐：R-GBM可以通过分析用户的历史行为数据，进行个性化推荐，提供用户感兴趣的内容和产品。
- 医疗诊断：R-GBM可以通过分析大量的医疗数据，进行疾病诊断和预测，辅助医生进行医疗决策。
对于R-GBM模型的训练和应用，腾讯云提供了一系列相关产品和服务，例如：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习算法和模型训练工具，可以支持R-GBM模型的训练和部署。
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）：提供了数据分析和挖掘的工具和服务，可以支持R-GBM模型对大规模数据的处理和分析。
- 腾讯云人工智能开放平台（https://cloud.tencent.com/product/ai）：提供了丰富的人工智能算法和模型，可以支持R-GBM模型在人工智能领域的应用。
通过腾讯云的相关产品和服务，用户可以方便地进行R-GBM模型的训练、部署和应用，实现各种场景下的数据分析和决策支持。
相关·内容
我们使用GBM模型对大约15 GBM的海量数据进行训练。经过训练的模型大小变得很大，大约为17 The。在训练的模型中，我们看到数据与树和其他模型细节一起保存，约占总模型大小的96%。
在训练的模型中是否有任何数据的用途，特别是用于预测目的。我们正在保存模型并在预测的同时重新加载模型，这需要很长的时间。
浏览 22提问于2020-02-12得票数 0
我试图使用从经过训练的gbm模型中提取的最终模型，但是提取的模型不像经过训练的模型那样返回分解结果。似乎提取的最终模型是根据返回的值工作的，但它只返回计算值。如何得到作为训练模型的因式分解结果。
library(caret)
library(mlbench)
data(Sonar)
set.seed(7)
Sonar$Class <- ifelse(Sonar$Class == 'R', 0, 1)
Sonar$Class <- as.factor(Sonar$Class)
validation_index <- createDataPartition(S
浏览 0提问于2018-10-25得票数 1
回答已采纳
1回答
考虑到我有一个明显的类不平衡，我想对我的数据进行下采样。在没有下采样的情况下，我的GBM模型执行得相当好；但是，使用r-脱字符的downSample时，精度= 0.5。我将相同的下采样应用于另一个GBM模型，得到了完全相同的结果。怎么回事？
set.seed(1914)
down_train_my_gbm <- downSample(x = combined_features,
y = combined_features$label)
down_train_my_gbm$label <- NULL
my_gbm_co
浏览 7提问于2017-07-22得票数 0
1回答
交叉验证和早期停止
、、、
我试图确保我不会对h2o如何处理交叉验证和验证数据集感到困惑。我确信我只是对用来描述这件事的词语感到困惑
library(mlbench)
library(h2o)
data(Sonar)
dfh2o = as.h2o(Sonar)
splits=h2o.splitFrame(dfh2o)
train = splits[[1]]
valid = splits[[2]]
gbm_no_val_frame <- h2o.gbm(x = colnames(df), y = "Class", training_frame = train,
浏览 1提问于2017-12-04得票数 3
1回答
正如本所提到的，调整后的R2评分可以通过以下公式计算，其中n是样本数，p是模型的参数数。
adj_r2 = 1-(1-R2)*(n-1)/(n-p-1)
根据另一个，我们可以用model.coef_得到模型的参数数。
然而，对于梯度增强(GBM)，我们似乎无法获得我们的模型中的参数数：
from sklearn.ensemble import GradientBoostingRegressor
import numpy as np
X = np.random.randn(100,10)
y = np.random.randn(100,1)
model = GradientBoostingR
浏览 2提问于2020-03-21得票数 0
回答已采纳
2回答
我正在构建一个具有相当大的数据集的GBM模型。data.table非常适合处理数据。但是当我运行GBM模型时，它需要永远的时间才能完成。查看活动监视器(在Mac中)，我可以看到进程没有使用所有内存，也没有最大限度地耗尽处理器。
由于GBM是单核的，我不能将其修改为在多核上运行，那么我有什么选择来改善我的运行时间呢？现在我使用的是4BG内存和1.7 and i5的Macbook Air。
我不确定以下哪个选项对性能最有帮助：(i)购买内存更大的计算机；(ii)获得功能更强大的芯片(i7)；或(iii)使用Amazon AWS并在那里安装R。这些都会有什么帮助呢？
根据Brandson的请求添加示
浏览 2提问于2012-12-05得票数 1
我使用增强回归树(gbm和dismo软件包)建立生境模型，并使用部分依赖图来观察每个预测变量对响应变量的影响。我最初使用的是dismo包中的gbm.plot函数，但是发现了来自pdp包的部分函数，它创建了更好看的图，但是这两个图之间存在差异。参见示例图像以获取纬度
这两条线看起来很相似，但是y轴在这两幅图上都是不同的，我想知道为什么。我试着使用print()查看函数，但是对于分部函数，它不会产生太大的效果。
final.model：贴体快速反应装置
ceta_dd_final：用于构建快速BRT的数据
gbm.plot代码：
gbm.plot(final.model, n.plots =
浏览 1提问于2018-02-28得票数 0
这是我不久前问过的一个的后续，最近得到了答复。
我用dismo::gbm.step构建了几个dismo::gbm.step模型，它依赖于R package gbm中的gbm拟合函数，以及来自R package splines的交叉验证工具。
作为我分析的一部分，我想使用R(例如透视图)中的一些图形工具来可视化数据中的成对交互。gbm和dismo包都具有检测和建模数据交互的功能。
dismo中的实现在Elith中得到了解释。()并返回一个统计数据，该统计数据指示模型预测与预测器的线性组合之间的偏差，同时保持所有其他预测器的均值。
gbm中的实现使用了Friedman`s的H统计量()，并返回了不
浏览 8提问于2015-10-23得票数 0
我有一个ML语言识别项目(Python)，它需要一个具有高维特征输入的多类分类模型。
目前，我所能做的就是通过跟踪和错误来提高精度.盲目地结合现有的特征提取算法和可用的ML模型，看看我是否幸运。
我要问的是，是否有一个普遍接受的工作流系统地找到一个ML解决方案。
这个想法可能很天真，但我在想，如果我能以某种方式可视化那些高维数据和我的模型的决策边界。希望这个可视化能帮助我做一些调整。在MATLAB中，经过训练后，我可以从所有的特征中选择任意两个特征，并且MATLAB会给出相应的决策边界。我能用Python做这个吗？
此外，我正在寻找一些类型的图表，我可以使用在演示文稿介绍我的模型和功能。在这个
浏览 2提问于2017-10-20得票数 0
回答已采纳
我使用的是H2O 3.10.4.1
我试图用其他模型的一些初步预测来拟合Bernoulli模型和GBM，而且我比开始预测更有可能。我用泰坦尼克号的数据复制了它。
我可以用R的gbm来做我想做的事。R的gbm.fit要求在链接标度上进行偏移，这是不受限制的，它可能是很高的或非常低的负值。
但是，当我尝试在H2O GBM中执行同样的操作时，它会引发一个错误：
GBM模型的water.exceptions.H2OModelBuilderIllegalArgumentException:非法论证: GBM_model_R_1489164084643_3568。详细信息:在字段上的错误：_offset
浏览 0提问于2017-03-16得票数 1
1回答
我用tensorflow格子中的Keras预先制作的模型，使用python3.7构建了自己的模型，并保存了经过训练的模型。然而，当我使用经过训练的模型进行预测时，预测每个数据点的速度都在毫秒级，这似乎非常缓慢。有什么方法可以加快tfl的预测过程吗？
浏览 0提问于2021-04-21得票数 0
回答已采纳
嗨，我的名字是Abhi，我正在使用插入符号来构建一个基于gbm树的模型。然而，我想使用roc作为我的度量标准，而不是准确性
以下是我到目前为止所拥有的代码
myTuneGrid <- expand.grid(n.trees = 500,interaction.depth = 11,shrinkage = 0.1)
fitControl <- trainControl(method = "repeatedcv", number = 7,repeats = 1, verboseIter = FALSE,returnResamp = "all",class
浏览 1提问于2014-10-11得票数 3
2回答
我使用gbm(..., data = traindata, ...)训练一个模型，并使用predict(... newdata = newdata, ...)进行预测。
我的问题是:培训数据和新数据是否需要相同的格式(顺序和变量数量)？
在gbm手册中，为“预测”()编写了以下内容：
如果对象适合使用gbm.fit，则将不存在术语组件。因此，用户有更大的责任确保新数据的格式(顺序和变量数)与最初用于模型的格式相同。
这也适用于gbm还是仅适用于gbm.fit？新数据是否可以有不同于列车数据的格式？
谢谢
浏览 5提问于2016-02-12得票数 0
我有一个GBM模型，我想将其添加到Steam中的项目中，但是该模型没有显示在模型选项列表中。在我选择了我想要包含在项目中的数据框之后，"Select a Model Category List“没有包含任何类型的模型的选项(如果GBM是服务器上唯一的模型)。如果我在同一个数据框上创建一个GLM模型，那么“回归”会被列为一个选项，但只有GLM模型可供选择来创建项目；GBM仍然是隐藏的。我在文档中没有看到GBM不适用于Steam中的项目，但情况是这样的吗？是否存在GBM回归模型无法作为选项找到的错误？我可以通过R和Flow查看GBM模型，所以它肯定在服务器上。我运行的是h2o版本3.10.
浏览 1提问于2017-05-08得票数 1
当将GBM与二元分类的逻辑回归进行比较时，两者各有优缺点。我有兴趣了解数据集的长度(行数)与适合样本的可靠性之间的一般权衡。
显然，数据越多，预测结果就越可靠(其他的数据都是相等的)。数据行越多，GBM对真实数据集的预测能力就越强。所以我想知道是否有一个粗略的经验法则，当你说数据太小，不能使用GBM，更好地使用逻辑回归。我知道逻辑回归在某些情况下可能更有预见性，但我的理解是GBM通常优于GBM。
我特别感兴趣的是，预测变量的数量远远少于可用变量的总数。例如，我们有100个变量，其中10个可能对目标变量具有很高的预测性。
我知道所有的好处，火车/测试集和简历。但这也不总是起作用的。例如，您的同事
浏览 0提问于2017-11-20得票数 2
2回答
我正在使用h2o包来训练一个GBM来解决一个流失预测问题。
我只想知道是什么影响了(通过h2o.saveModel())保存在磁盘上的贴合模型的大小，但不幸的是，我在任何地方都找不到答案。
更具体地说，当我调优GBM以在3个相同长度的不重叠滚动窗口上(通过h2o.grid())找到最佳的超参数时，我获得了大小不可比拟的模型(即11 to、19 to和67 to)。超参数网格是相同的，而且列车组的尺寸也是相当的。
当然，所得到的优化的超参数在这3段时间内是不同的，但是我看不出这如何在模型大小上产生这样的差异。
此外，当我根据这些超参数集训练实际模型时，我也得到了不同尺寸的模型。
任何帮助都是非常
浏览 0提问于2019-01-18得票数 2
回答已采纳
3回答
下面是一个使用R的虹膜数据集的h2o梯度增强机模型的简化示例。该模型被训练用于预测萼片长度。
该示例的r2值为0.93，这似乎是不现实的。我如何评估这些是否确实是现实的结果，还是简单的模型过度适合？
library(datasets)
library(h2o)
# Get the iris dataset
df <- iris
# Convert to h2o
df.hex <- as.h2o(df)
# Initiate h2o
h2o.init()
# Train GBM model
gbm_model <- h2o.gbm(x = 2:5, y = 1, df.
浏览 0提问于2017-07-06得票数 6
回答已采纳
我在探索turicreate ObjectDetector API。文档中提到它是一个经过训练的模型。我想知道我是否可以使用这个经过训练的模型，检测最初用于训练这个turi模型的1000个标签。所有的例子都提到了用我们的数据集进行训练，我不想训练，而是想使用可以分类的预训练模型。任何帮助都是非常感谢的。
浏览 3提问于2019-08-21得票数 4
我已经使用库gbm在R上构建了一个gbm分类器。 gbm2<-gbm(deal_stage~.,data=train,train.fraction=1,
interaction.depth=4,shrinkage=.001,
n.trees=6000,bag.fraction=0.5,cv.folds=5,
distribution="bernoulli",verbose=T)
r2pmml(gbm2,"/gbm_test.pmml",compact=TRUE) 然后在Python上，当我尝试
浏览 97提问于2020-06-19得票数 0
我想基于梯度提升模型来分析我的数据。
另一方面，由于我的数据是一种队列，我很难理解这个模型的结果。
这是我的代码。基于实例数据进行了分析。
install.packages("randomForestSRC")
install.packages("gbm")
install.packages("survival")
library(randomForestSRC)
library(gbm)
library(survival)
data(pbc, package="randomForestSRC")
data <- na.
浏览 23提问于2018-09-07得票数 1
1回答
我试图在R中使用gbm为我的数据创建一个提升分类树模型。问题是，我试图将我的数据分类为多个标签，而我为gbm ("bernoulli")所能找到的唯一分类分布只适用于二进制分类。我是否可以对我的代码进行一些修改，以创建一个模型，将数据分类为两个以上的类？
boost=gbm(label~., data=training, distribution="bernoulli",
n.trees=5000,
interaction.depth=4)
浏览 0提问于2019-01-09得票数 0
当为分类问题运行gbm函数时。我得到以下错误：
重新标记中的错误，<-预测:替换长度为零
我想知道为什么会有这个错误，以及如何解决它。
我的数据大约是77个数字变量(中间值)，用于分类和1分组因子。数据中没有其他变量。数据中没有丢失数据。分组因子按要求编码为因数(0,1)。
我的数据结构如下所示：
$Group : Factor w/ 2 levels "0", "1"
$it1 : int
...
$it70 : int
我的模型看起来是这样的：
mod_gbm <- gbm(Group~. distribution = "bernoul
浏览 1提问于2020-04-25得票数 4
回答已采纳
1回答
h2o检查点实际上是做什么的？用say创建的模型
gbm_continued = H2OGradientBoostingEstimator(checkpoint= gbm_orig.model_id, ntrees = 50, seed = 1234)
这意味着，如果我们不对任何新数据进行培训，gbm_continued的参数和预测性能将与gbm_orig相同？
说“这将构建一个新的模型，作为以前生成的模型的延续”，但我对“延续”实际上意味着什么感到困惑。如果能给你解释的话，我将不胜感激。谢谢
浏览 7提问于2017-12-13得票数 1
回答已采纳
2回答
我有一个非常小的数据集(162,000个数据集，有13个属性)，我试图用它来建模，使用h2o.GBM。响应变量是绝对的，有大量的级别(大约20,000层)--模型不会耗尽内存，也不会产生任何错误，但它已经持续了近24小时，没有任何进展(在H2o.GBM报告中为0% )，我最终放弃并停止了它。我想知道我的超参数是否有什么问题，因为数据不是特别大。
这是我的密码：
library(h2o)
localH2O <- h2o.init(nthreads = -1, max_mem_size = "12g")
train.h20 <- as.h2o(analdata_tra
浏览 6提问于2017-06-15得票数 2
回答已采纳
2回答
我正在尝试运行一个简单的GBM分类模型，以针对随机森林和支持向量机对性能进行基准测试，但我在让模型正确评分时遇到了问题。它不会抛出错误，但预测都是NaN。我用的是mlbench的乳腺癌数据。代码如下：
library(gbm)
library(mlbench)
library(caret)
library(plyr)
library(ada)
library(randomForest)
data(BreastCancer)
bc <- BreastCancer
rm(BreastCancer)
bc$Id <- NULL
bc$Class <- as.factor(map
浏览 3提问于2014-01-18得票数 4
我正在H2O R中运行一个分类模型，我想为我的训练数据集提取合适的模型预测。
代码：
train <- as.h2o(train)
test <- as.h2o(test)
y <- "class"
x <- setdiff(names(train), y)
family <- "multinomial"
nfolds <- 5
gbm1 <- h2o.gbm(x = x, y = y, distribution = family,
training_frame = train,
浏览 2提问于2017-03-27得票数 1
回答已采纳
在运行超参数搜索并从网格中提取最佳模型之后，是否可以使用模型对象对新的数据集进行训练？我现在看到的唯一方法是用来自最佳模型的参数手动创建对train函数(例如h2o.gbm())的调用，但这非常麻烦。
浏览 3提问于2018-01-07得票数 1
回答已采纳
我想从一个经过训练的梯度增强分类器(来自sklearn)生成代码(现在是Python，但最终是C)。据我所知，该模型采用初始预测器，然后从顺序训练的回归树中添加预测(根据学习因子进行缩放)。所选择的类就是具有最高输出值的类。
这是我到目前为止所拥有的代码：
def recursep_gbm(left, right, threshold, features, node, depth, value, out_name, scale):
# Functions for spacing
tabs = lambda n: (' ' * n * 4)[:-1]
de
浏览 1提问于2016-05-17得票数 4
1回答
我正在使用GBM模型，我想与其他机器学习方法进行比较。我跑了5折。据我所知，他们会将数据分成5个文件夹，并选择其中一个用于测试，其他用于训练。如何从H2o库的gbm中获取5折数据？
我用Python语言运行它。
folds = 5
cars_gbm = H2OGradientBoostingEstimator(nfolds = folds, seed = 1234)
浏览 26提问于2020-11-05得票数 2
1回答
我尝试使用iris包中的gbm将梯度增强模型(弱学习者是max.depth =2树)拟合到iris数据集。我将迭代次数设置为M = 1000，学习率为learning.rate = 0.001。然后，我将结果与回归树的结果进行了比较(使用rpart)。然而，似乎回归树的表现优于梯度增强模型。这背后的原因是什么？如何提高梯度增强模型的性能？我认为0.001的学习率应该足以处理1000次迭代/增强的树。 library(rpart)
library(gbm)
data(iris)
train.dat <- iris[1:100, ]
test.dat <- iris[101:150
浏览 16提问于2020-04-03得票数 0
回答已采纳
1回答
我需要复制运行，在h2o.gbm函数中使用相同的超参数提供不同的结果。
尽管我已经创建了一个循环，为每个配置提供双运行，并且这个h2o gbm模型运行的结果是通过使用h2o.performance函数提取的；但我刚刚意识到，每个双运行都有完全相同的结果。
通过运行两个具有相同超参数的h2o.gbm模型，您对我有什么不同的建议？
我尝试过的事情：
deletedDeleting h2o.shutdown和h2o.init具有不同的n线程，已经尝试过种子参数在h2o.gbm中的更改，以及 score_tree_interval和stopping_round参数
所有这些尝试都失败了，具有相同超参数
浏览 2提问于2020-07-16得票数 0
回答已采纳
我正在使用基于树的模型，并且注意到GBM和randomForest在训练数据集的大小如何影响生成的POJO的大小方面有很大的不同。
我不认为训练数据集的大小会对模型对象的大小产生很大的影响，*对于GBM，这几乎是正确的。
但是，对于randomForest，训练集行数与导出POJO的大小之间似乎存在线性关系。这一结果：
Size of GBM with m = 1000 and p = 10: 0.15 MB (3281 lines)
Size of GBM with m = 1000 and p = 20: 0.16 MB (3501 lines)
Size of GBM with m
浏览 0提问于2018-12-07得票数 0
回答已采纳
2回答
我有一个包含20个变量和~50K观测值的数据集，我使用这20个变量创建了几个新特性。
我比较了GBM模型的结果(使用python和轻型GBM)，我发现模型的超参数并不重要，“稀释剂”版本会带来更好的结果(AUC)，即使所有20个原始变量都包含在更宽的版本中。
当我比较相同的使用拉索模型-更宽的版本是更好的(~1%高)如预期。
我想这可能与GBM中的随机性有关，但我惊讶地发现GBM并没有在此过程中修复它。
对这些现象的任何解释都将不胜感激。
浏览 0提问于2017-12-07得票数 9
1回答
我有一个gbm对象，我想在C++中使用它。例如，将C++中的predict.gbm()用于新数据。首先，我尝试在C++中转换if-else规则，并将树输出到一个文件。然而，我发现gbm结果与它生成的树不匹配。例如，当我只使用第一个树时，树中的SplitCodePred值与predict.gbm()生成的值不匹配。那么，有人知道如何基于gbm模型手动进行预测吗？
浏览 0提问于2015-12-14得票数 0
1回答
我试图使用Friedman和Popescu 2008 中描述的方法来确定gbm模型中的哪些交互是重要的。我的gbm是一个有9个不同类的分类模型。我很难理解如何将第8.3节转换为在R中运行的代码。
我认为整体过程是：
用max.depth =1训练模型的一个版本
模拟该模型的响应数据。
使用与实际模型相同的max.depth在此数据上训练一个新的模型
得到了该模型的相互作用强度
重复步骤1-4以创建交互强度的空分布。
我发现最令人困惑的部分是执行方程式48和49。(你必须看链接的文章，因为我不能在这里复制它们)
这是我认为我理解的，但如果我错了，请纠正我：
y_i是一
浏览 1提问于2019-01-31得票数 6
1回答
评估模型
、、、
我正在使用R中的不同模型进行多变量时间序列分析，我对同一组数据使用了Arima、glm、H2O.gbm、randomforest和Garch模型。我对每个模型做了预测并计算了RMSE值。我已经根据RMSE值对这些模型进行了排序。但是，我想根据这些模型的RMSE和排名值，为它们提供类似于ratings的电影评级。
> df <- transform(df,rank = ave(RMSE,
FUN = function(x) rank(x, ties.method = "first")))
> df
Model
浏览 0提问于2017-07-10得票数 1
2回答
h2o.gbm中的树数
、、、
在传统的gbm中，我们可以使用模型(predict.gbm，newsdata=...，n.tree=...)
以便我可以将结果与测试数据不同数量的树进行比较。
在h2o.gbm中，虽然需要设置n.tree，但似乎对结果没有任何影响。它与默认模型完全相同：
h2o.test.pred <- as.vector(h2o.predict(h2o.gbm.model, newdata=test.frame, n.tree=100))
R2(h2o.test.pred, test.mat$y)
[1] -0.00714109
h2o.test.pred <- as.vector(h2o.pr
浏览 1提问于2017-08-30得票数 0
是否有一种算法完全基于经过训练的模型的结果的论文？让我解释一下。
假设您想出一个对三个数字a,b,c进行排序的算法。我可以生成几个训练数据点x_i = (a_i, b_i, c_i), a_i, b_i, c_i \in \mathbb{R}与他们的标签\hat y_i = (\min(x_i), mid(x_i), \max(x_i))。这样，我就可以生成大量的数据点，并根据它们的顺序来训练一个模型来预测它们。
我的问题是，是否有任何论文能够将经过训练的模型转化为人类可以理解的算法(而不仅仅是参数的值)。即使算法非常简单，我也会非常感兴趣。
浏览 0提问于2018-12-09得票数 5
回答已采纳
1回答
我正在使用gbm建立一个预测回归模型。我有训练和测试集(预定义和，而不是随机选择)。下面是代码的概述。
我有大约600行列车数据和150行测试数据。我知道他们少了很多，但仍然是。
train <- ....
test <- ....
set.seed(123)
model <- gbm(target ~., data = train,
distribution = "gaussian",
n.trees = 4000,
interaction.depth = 2,
浏览 0提问于2016-05-16得票数 1
1回答
(以前把贴到错误的地方，没有足够的信息，我编辑了，编辑了，这篇文章似乎被删除了，发到炼狱，所以我不知道前一篇文章是否能/应该复活)。
在R中，我运行了一些增强回归树，也称为广义Boosting模型，使用了使用dismo的gbm。可复制的例子，让人们了解我现在的处境：
library(dismo); data(Anguilla_train)
angaus.tc5.lr01 <- gbm.step(data=Anguilla_train, gbm.x = 3:13, gbm.y = 2, family = "bernoulli", tree.complexity = 5, l
浏览 4提问于2015-01-19得票数 4
我正在用H2O火花水建立GBM模型。我知道我们可以使用下面的代码查看N个文件夹的交叉验证结果：
gbm_model.model_performance(xval = True)
但是，是否有一种方法可以将每个文件夹的模型性能保存到数据帧中？例如，将每个文件夹的AUC保存到数据框架中。
浏览 6提问于2018-11-01得票数 0
回答已采纳
1回答
我在使用Caret时遇到问题。
我使用下面的代码在nnet方法中构建模型，它工作了。
model_nnet<-train(trainSetSmall[,predictors],trainSetSmall[,outcomeName],method='nnet')
importance <- varImp(model_nnet, scale=FALSE)
plot(importance)
然后，我想尝试一下其他的模型。我试过"gbm"，但它不起作用。
model_gbm<-train(trainSetSmall[,predictors],train
浏览 36提问于2019-10-23得票数 1
0回答
我使用H2O来构建分类模型，比如GBM、DRF和DL。我拥有的数据集包含一些分类列，如果我想使用它们作为构建模型的功能，是否需要手动将它们转换为虚拟变量？我读到GBM可以在内部哑化分类变量？
浏览 4提问于2017-06-08得票数 3
回答已采纳
我是一名刚接触机器学习的植物科学家。我已经成功地编写了机器学习技术的代码和以下教程。我的问题是试图理解如何实际应用这些技术来回答现实世界的问题。我真的不知道如何使用模型输出来回答问题。
我最近遵循了一个教程，创建了一种检测信用卡欺诈的算法。所有的模型都运行得很好，我知道如何构建它们；但是，我到底如何利用这些信息并将其转换为明确的答案？按照相同的示例，假设我为我的工作编写了这段代码，那么我如何获取真实的信用卡数据并使用此算法对其进行筛选？我真的想在运行这些模型和从真实数据中生成有用的输出之间建立联系。
谢谢你们所有人。
为了简洁起见，我将使用这里找到的相同数据集来突出显示一些具体的示例：
#
浏览 0提问于2020-03-04得票数 0
1回答
我使用H2O进行了二进制分类。我简单地把我的设置分为3组，即训练、校准和测试。经过训练和校准，我检查了测试集的结果。在此，相应的部分：
final_grid = H2OGridSearch(model=H2OGradientBoostingEstimator(model_id = 'contract_gbm2',
stopping_rounds = 5, stopping_tolerance = 1e-4, seed = 23,
st
浏览 0提问于2018-09-13得票数 1
回答已采纳
我正在尝试从Azure工作室的训练模型选项卡中加载一个经过训练的模型到另一个实验中。根据，可以这样做：
添加负荷训练模型模块到您的实验。对于数据源，使用以下选项之一指出经过训练的模型的位置:通过HTTP选择Web，然后键入URL。URL应该指向实验和表示经过训练的模型的文件。在中，经过训练的模型默认保存为iLearner格式。
但是，有谁知道我将使用哪个URL来保存在我的工作区中的模型呢？表示模型的文件在哪里？
浏览 2提问于2017-07-27得票数 1
我正在尝试用几个公式来安装几个机器学习模型，并将它们作为list_column对象存储在tibble中。
我试图修改“”一书(第25章:许多模型)中引用的代码，但它只给出了最后的输出。有关详细信息，请参阅下面的代码。我们使用gapminder包中的gapminder数据集作为示例。
lab_formula <- as.formula("pop ~ lifeExp ")
temp_formula <- as.formula("gdppercap ~ year")
formula_list <- list(lab_formula,temp_fo
浏览 0提问于2019-06-26得票数 0
回答已采纳
我想知道如何计算测试集的RMSE。
我使用下面的代码来训练模型：
model_gbm_important<-train(trainSetSmall[,predictors_gbm],trainSetSmall[,outcomeName],method='gbm', trControl=fitControl)
我可以通过使用以下命令来获得模型的性能
print(model_gbm_important)
然而，这种性能是基于交叉验证的。如果我有另一个测试集，我如何使用测试集来评估模型，单击检查RMSE的值？
谢谢!
浏览 5提问于2019-10-26得票数 0
回答已采纳
1回答
保持常数列h2o
、、、
我试图用R的h2o包来实现梯度助推机模型。但是，该模型不断删除我从其他模型构建中知道的某一列，该列非常重要。
Warning message:
In .h2o.startModelJob(algo, params, h2oRestApiVersion) :
Dropping bad and constant columns:['mycolumn']
如何阻止h2o删除本专栏？以下是我尝试过的：
gbm_fit<-h2o.gbm(x,y,train_set,nfolds = 10,
ntrees = 250,
浏览 0提问于2018-11-08得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
