web-dev-qa-db-ja.com

Rキャレットパッケージのロジスティック回帰調整パラメータグリッド？

caret packageを使用して、ロジスティック回帰モデルをRに適合させようとしています。私は次のことをしました：

model <- train(dec_var ~., data=vars, method="glm", family="binomial",
                 trControl = ctrl, tuneGrid=expand.grid(C=c(0.001, 0.01, 0.1, 1,10,100, 1000)))

しかし、このモデルのチューニングパラメータがどうあるべきかわからず、見つけるのに苦労しています。 Cはsklearnで使用されるパラメーターであるため、Cであると想定しました。現在、次のエラーが発生しています-

エラー：チューニングパラメータグリッドには列パラメータが必要です

これを修正する方法について何か提案はありますか？

rlogistic-regressionr-carethyperparameters
5
Jane Sully

MaxKuhnのWebブックによると-- ここでmethod = 'glm'を検索 、glm内にチューニングパラメータcaretはありません。

enter image description here

いくつかの基本的なtrain呼び出しをテストすることで、これが当てはまることを簡単に確認できます。まず、Webブックごとに調整パラメーター（rpart）を持つメソッド（cp）から始めましょう。

library(caret)
data(GermanCredit)

# Check tuning parameter via `modelLookup` (matches up with the web book)
modelLookup('rpart')
#  model parameter                label forReg forClass probModel
#1 rpart        cp Complexity Parameter   TRUE     TRUE      TRUE

# Observe that the `cp` parameter is tuned
set.seed(1)
model_rpart <- train(Class ~., data=GermanCredit, method='rpart')
model_rpart
#CART 

#1000 samples
#  61 predictor
#   2 classes: 'Bad', 'Good' 

#No pre-processing
#Resampling: Bootstrapped (25 reps) 
#Summary of sample sizes: 1000, 1000, 1000, 1000, 1000, 1000, ... 
#Resampling results across tuning parameters:

#  cp          Accuracy   Kappa    
#  0.01555556  0.7091276  0.2398993
#  0.03000000  0.7025574  0.1950021
#  0.04444444  0.6991700  0.1316720

#Accuracy was used to select the optimal model using  the largest value.
#The final value used for the model was cp = 0.01555556.

cpパラメーターが調整されていることがわかります。それでは、glmを試してみましょう。

# Check tuning parameter via `modelLookup` (shows a parameter called 'parameter')
modelLookup('glm')
#  model parameter     label forReg forClass probModel
#1   glm parameter parameter   TRUE     TRUE      TRUE

# Try out the train function to see if 'parameter' gets tuned
set.seed(1)
model_glm <- train(Class ~., data=GermanCredit, method='glm')
model_glm
#Generalized Linear Model 

#1000 samples
#  61 predictor
#   2 classes: 'Bad', 'Good' 

#No pre-processing
#Resampling: Bootstrapped (25 reps) 
#Summary of sample sizes: 1000, 1000, 1000, 1000, 1000, 1000, ... 
#Resampling results:

#  Accuracy   Kappa    
#  0.7386384  0.3478527

この場合、上記のglmでは、パラメーターの調整は実行されませんでした。私の経験から、parameterという名前のparameterは単なるプレースホルダーであり、実際のチューニングパラメーターではないようです。次のコードに示されているように、強制的にparameterを調整しようとしても、基本的には1つの値しか実行しません。

set.seed(1)
model_glm2 <- train(Class ~., data=GermanCredit, method='glm',
                    tuneGrid=expand.grid(parameter=c(0.001, 0.01, 0.1, 1,10,100, 1000)))
model_glm2
#Generalized Linear Model 

#1000 samples
#  61 predictor
#   2 classes: 'Bad', 'Good' 

#No pre-processing
#Resampling: Bootstrapped (25 reps) 
#Summary of sample sizes: 1000, 1000, 1000, 1000, 1000, 1000, ... 
#Resampling results across tuning parameters:

#  Accuracy   Kappa      parameter
#  0.7386384  0.3478527  0.001    
#  0.7386384  0.3478527  0.001    
#  0.7386384  0.3478527  0.001    
#  0.7386384  0.3478527  0.001    
#  0.7386384  0.3478527  0.001    
#  0.7386384  0.3478527  0.001    
#  0.7386384  0.3478527  0.001    

#Accuracy was used to select the optimal model using  the largest value.
#The final value used for the model was parameter = 0.001.
5
jmuhlenkamp