我在lapply中编写了一个函数,以便为数据框内的响应变量向量中的每个元素拟合GAM(带样条) . 我选择使用 caret
来适应模型,而不是直接使用 mgcv
或 gam
包,因为我希望最终将我的数据拆分成列车/测试集以进行验证并使用各种重采样技术 . 现在,我只是将 trainControl
方法设置为'none',如下所示:
# Set resampling method
# tc <- trainControl(method = "boot", number = 100)
# tc <- trainControl(method = "repeatedcv", number = 10, repeats = 1)
tc <- trainControl(method = "none")
fm <- lapply(group, function(x) {
printFormula <- paste(x, "~", inf.factors)
inputFormula <- as.formula(printFormula)
# Partition input data for model training and testing
# dpart <- createDataPartition(mdata[,x], times = 1, p = 0.7, list = FALSE)
# train <- mdata[ data.partition, ]
# test <- mdata[ -data.partition, ]
cat("Fitting:", printFormula, "\n")
# gam(inputFormula, family = binomial(link = "logit"), data = mdata)
train(inputFormula, family = binomial(link = "logit"), data = mdata, method = "gam",
trControl = tc)
})
当我执行此代码时,我收到以下错误:
Error in train.default(x, y, weights = w, ...) :
Only one model should be specified in tuneGrid with no resampling
如果我在调试模式下重新运行代码,我可以找到 caret
停止培训过程的位置:
if (trControl$method == "none" && nrow(tuneGrid) != 1)
stop("Only one model should be specified in tuneGrid with no resampling")
显然 train
函数由于第二个条件而失败,但是当我查找tuning parameters for a GAM(带样条曲线)时,只有一个选项可供选择(不感兴趣,我想保留模型中的所有预测变量)和方法 . 因此,当我调用 train
时,我不包含 tuneGrid
数据帧 . 这就是模型以这种方式失败的原因吗?我将提供什么参数以及tuneGrid的外观如何?
我应该补充一点,当我使用bootstrapping或k-fold CV时,模型已成功训练,但是这些重采样方法需要更长的时间来计算,我不需要使用它们 .
任何有关这个问题的帮助将不胜感激!
1 回答
对于该模型,调整网格查看
select
参数的两个值:您应该使用类似
tuneGrid = data.frame(select = FALSE, method = "GCV.Cp")
之类的东西来评估单个模型(如错误消息所示) .