插入符中的GBM和RF糾纏

Question

我目前正在嘗試使用caretEnsemble包構建一個堆疊模型，並使用隨機森林和廣義提升模型作為基礎模型。 但是，運行caretEnsemble函數后，我仍然收到以下錯誤：

Error in check_caretList_model_types(list_of_models) : 
Not yet implemented for multiclass problems

對問題進行了一些研究后，我注意到當使用train（）函數構建模型（已完成）並且有時取決於訓練數據的格式時，此函數最有效。 由於這是分配的一部分，因此我不會發布數據處理代碼，但會提供指向它的鏈接-LINK

這是我嘗試在其上運行的代碼。

training<-read.csv("training.csv")

control<- trainControl(method="repeatedcv", number=10, repeats=3, 
    savePredictions = TRUE, classProbs = TRUE)

metric<-"Accuracy"

set.seed(5937)

fit1<-caretList(classe~., data=training, trControl=control, metric=metric, 
    methodList = c("rf", "gbm"))

fit2<-caretEnsemble(fit1)

您能幫我弄清楚這是否是軟件包的技術限制，還是我要組合不兼容的型號？ 有沒有解決方法，或者也許是構建堆疊模型的更好方法？

非常感謝，卡姆蘭。

UPDATE

到目前為止，沒有回復，所以讓我發布更新。 我嘗試通過使用廣義加性模式以手動方式將兩個模型組合在一起。 這些模型與之前的代碼相同，可以在此處找到驗證集-LINK ：

val<-read.csv("validation.csv")

pred1<- predict(fit1$rf, val)

pred2<-predict(fit1$gbm, val)

predDF<- data.frame(pred1, pred2, classe=val$classe)

fitcomb<-train(classe~., method="gam", data=predDF)

pred3<- predict(fitcomb, predDF)

confusionMatrix(pred3, predDF$classe)

這是我得到的結果：混淆矩陣和統計

Reference
Prediction 
        A   B   C   D   E
     A 742  55  88  60  46
     B 304 657 553 543 630
     C   0   0   0   0   0
     D   0   0   0   0   0
     E   0   0   0   0   0

由於某種原因，我的模型只能識別數據中的兩個類，而應該是5個。

有人可以幫助我獲得兩種工作方式中的任一種嗎？ 另外，這是我第一次在此處發布問題-請讓我知道我是否可以以任何方式提高問題的質量。

Answer 1

錯誤消息指出：

Error in check_caretList_model_types(list_of_models) : 
Not yet implemented for multiclass problems

而這正是問題所在。 Github問題＃191 ，仍然支持多類模型。 該功能尚未實現。