問題タブ [gbm]

予測のために XGBoost 手法を試していました。私の従属変数は連続なので、XGBoost を使用して回帰を行っていましたが、さまざまなポータルで利用可能な参照のほとんどは分類用です。使って分かっているのに

回帰を行うことはできますが、他のパラメーターについても明確にする必要があります。誰かが私にそれのRスニペットを提供してくれれば、それは大きな助けになるでしょう.

これは、私が最近回答した以前の質問のフォローアップです。

Rパッケージにあるフィッティング関数と、Rパッケージのクロス検証ツールに依存するいくつかのgbmモデルを構築しました。dismo::gbm.stepgbmgbmsplines

分析の一環として、R で使用できるグラフィカル ツール (透視図など) を使用して、データ内のペアワイズ相互作用を視覚化したいと考えています。gbmとパッケージの両方dismoに、データ内の相互作用を検出してモデル化する機能があります。

での実装dismoについては、Elith らで説明されています。al ( 2008 ) を参照し、他のすべての予測変数を平均値に保ちながら、予測変数の線形結合からのモデル予測の逸脱を示す統計を返します。

の実装でgbmは、フリードマンの H 統計 ( Friedman & Popescue, 2005 ) を使用し、別のメトリックを返します。また、他の変数をその手段で設定しません。

モデル化およびプロットされた相互作用dismo::gbm.interactionsは素晴らしく、非常に有益です。gbm::interact.gbmただし、一部は出版物の強度のために、また2つの方法の結果を比較するためにも使用したいと思います.

create withで実行しようとすると、エラーが返さgbm::interact.gbmれます…</p> gbm.objectdismo

dismo::gmb.stepに役立つと著者が考えた追加データを追加することを理解していgbm modelます。

また、私の質問に対する答えがソース コードのどこかにあることも理解しています。

私の質問は...

1. gbmで作成されたオブジェクトdismoを で使用するように変更することはできgbm::gbm.interactますか? もしそうなら、これは...

   を。gbmで作成されたオブジェクトを変更していますdismo::gbm.stepか?

   b. のソースコードを変更していgbm::interact.gbmますか?

   c. 何か他のことをしていますか？

私はこれを自分で解決しようとしてソースコードを調べます。誰かが答える前に解決策を思いついた場合は、自分の質問に答えます。

たとえば、学習率とツリーを手動で調整するために、キャレットを使用してモデルを作成しました。

しかし、感度の結果の指標は貧弱で、特異度ほど美しくありません。

クラスの不均衡の確率しきい値を自動的に最適化するには、グリッド検索 (このような) を作成する必要があると思います。

どうすればできますか？リンク/私を案内するもの/ランダムフォレストのリンクケースのような知識を持つ人はいますか?

二項分類を行いたいのですが、一方のレベルは「上」、もう一方は「下」です。h2o パッケージで gbm を使用し、"bottom" をポジティブ クラスとして、"top" をネガティブ クラスとして取得しました。これが私のコードです：

結果は次のとおりです。

しかし、もっと「トップ」を正しく予測したいです。しきい値を 0.3 に変更してみましたが、パフォーマンスが向上しました。ただし、フィッティング プロセスを変更して、「ROC」メトリクスのように「トップ」への予測を増やす必要がありますか? 「トップ」をポジティブクラスに、「ボトム」をネガティブクラスに反転する必要がありますか?どうすれば変更できますか?

分布の実用面での違い＝アダブーストかベルヌーイかよくわからない

ベルヌーイが結果を出さない理由がわかりませんか? これがどのように機能するかについて根本的な誤解があると思いますか？

私が探しているもの: 1. ベルヌーイが機能しない理由の説明。これは分類に使用できるとドキュメントに書かれていると思いましたか？2. 両方とも分類に使用できる場合、実際の違いは何ですか?

私gbmは R でライブラリを使用しており、すべての CPU を使用してモデルに適合させたいと考えています。