問題タブ [kernlab]

gaussprGaussian プロセス分類のパッケージの関数を使用kernlabしていますが、次のエラー メッセージが表示されます。

投票行列のエラー[i、ret > 0] : (添え字) 論理添え字が長すぎます

分類器を使用して、トレーニング セットよりも多くの観測値を持つデータセットを予測しようとするときはいつでも。この問題を再現するための非常に簡単な例を次に示します。

他の誰かがこの問題に遭遇しましたか? テスト データの小さなサブセットに対して何度も予測を呼び出す以外に、それを回避する方法についての洞察はありますか?

ありがとう！

1 対 1 スキームに基づくマルチクラス svm は、投票方法に基づいていることを知っています。この戦略の出力は予測ラベルです。分類関数 の量を計算する必要があります。バイナリの場合、f(x)=wx+b で簡単に取得できます。しかし、私の問題は、多クラス問題のマヌレイに対して f(x) をどのように取得できるかです。各問題から W と b を抽出して f(x) を計算するだけでよいバイナリ問題に似ていますか?! kernlab の ksvm 関数を使用すると、「決定」引数は上記の量を与えてくれます。予測関数を使用せずにこの量を生成するにはどうすればよいですか? ありがとうございました！

「Setting default kernel parameters」というメッセージを抑制したいのですが、ここで説明するオプションのいずれも「echo=F」、「warning=F」、「message=F」、または「invisible」の使用を行っていません。 .

他に何ができますか？情報文字列は、k 分割交差検証ループで上記のコマンドを実行しているときに、スライドのレイアウトを本当に妨げます。

モデルを調整するときに生成される ROC/Sens/Spec と、同じデータセットでモデルによって行われた実際の予測との間には違いがあるようです。kernlab の ksvm を使用するキャレットを使用しています。glm でこの問題は発生していません。

この不一致の原因は何ですか? 「実際の」相互検証後の予測はどれですか?

キャレット パッケージのカスタム トレーニング モデルに問題があります。SVM 回帰を実行する必要があり、SVM モデルのすべてのパラメーター (コスト、シグマ、イプシロン) を見つけたいと考えています。組み込みバージョンにはコストとシグマしかありません。こことここで非常に役立つヒントを既に見つけましたが、私のモデルはまだ機能しません。

models$grid(x = x, y = y, len = tuneLength, search = trControl$search) のエラー: 未使用の引数 (search = trControl$search)

このエラーは私が取得しているもので、私のコードはここにあります。

同じエラーが発生し、実際に何が問題なのか見当もつかない人を見つけることができませんでした。このコードは、ほとんど私がオンラインで見つけたもので、わずかに変更されています。

ところで、これは私の最初の投稿なので、理解できることを願っています。理解できない場合は、追加情報を追加できます。