Problèmes avec tuneGrid paramètre dans la forêt au hasard

J'ai eu affaire à quelques très déséquilibrée de données et je voudrais utiliser une méthode d'échantillonnage stratifié à créé plus équilibrée des forêts aléatoires

Maintenant, je suis en utilisant le signe paquet, principalement pour le réglage des forêts aléatoires.
J'ai donc essayer de l'installation d'un tuneGrid de passer dans le mtry et sampsize paramètres en signe de train méthode comme suit.

mtryGrid <- data.frame(.mtry = 100),.sampsize=80)
rfTune<- train(x = trainX,
               y = trainY,
               method = "rf",
               trControl = ctrl,
               metric = "Kappa",
               ntree = 1000,
               tuneGrid = mtryGrid,
               importance = TRUE)

Quand je lance cet exemple, j'obtiens l'erreur suivante

The tuning parameter grid should have columns mtry

Je suis venu à travers des débats de cette ce qui suggère que le passage d'un de ces paramètres doit être possible.

D'autre part, cette page suggère que le seul paramètre qui peut être transmis est mtry

Je peux même passer dans sampsize dans les forêts aléatoires via lambda?

OriginalL'auteur mortonjt | 2014-11-12

  1. 13

    Il semble qu'il y est un support de problème avec votre mtryGrid. Alternativement, vous pouvez également utiliser expand.grid pour donner les différentes valeurs de mtry que vous voulez essayer.
    Par défaut, le seul paramètre que vous pouvez régler pour une forêt aléatoire est mtry. Cependant vous pouvez toujours passer les autres paramètres de train. Mais ceux-ci ont une valeur fixe, et ainsi de ne pas être à l'écoute par train. Mais vous pouvez toujours demander à l'utilisation d'un échantillon stratifié dans train. Ci-dessous est comment je pourrais faire, en supposant que trainY est une variable booléenne selon lequel vous souhaitez classer vos échantillons, et que vous souhaitez des échantillons de taille 80 pour chaque catégorie:

    mtryGrid <- expand.grid(mtry = 100) # you can put different values for mtry
rfTune<- train(x = trainX,
               y = trainY,
               method = "rf",
               trControl = ctrl,
               metric = "Kappa",
               ntree = 1000,
               tuneGrid = mtryGrid,
               strata = factor(trainY),
               sampsize = c(80, 80), 
               importance = TRUE)
    Pour une raison quelconque, j'ai pensé sampsize ne pouvait pas être passé dans le train(). Oh bien. Merci!
    ce qui est une bonne ressource pour savoir quels paramètres vous pouvez paramétrer pour chaque méthode (par exemple, mtry pour rf)? Je pensais que je pourrais ajouter ntree et exécuter dans le même problème...
    Tant pis, j'ai trouvé
    Et si vous ne voulez pas de lire la documentation: caret::modelLookup(model = "rf")

    OriginalL'auteur Garnieje

  2. 0

    Je doute que l'on peut passer directement sampsize et strata à train. Mais à partir de ici je crois que la solution est d'utiliser trControl(). C'est,

    mtryGrid <- data.frame(.mtry = 100),.sampsize=80)
rfTune<- train(x = trainX,
               y = trainY,
               method = "rf",
               trControl = trainControl(sampling=X),
               metric = "Kappa",
               ntree = 1000,
               tuneGrid = mtryGrid,
               importance = TRUE)

    où X peut être l'un des c("up","down","smote","rose").

    OriginalL'auteur qoheleth