r - "valid deviance"对于 GBM 模型来说是 nan，这意味着什么以及如何摆脱它？

Question

我正在使用梯度增强进行分类。虽然结果有所改善，但我在有效偏差中得到了 NaN 。

Model = gbm.fit(
  x= x_Train ,
  y = y_Train ,
  distribution = "bernoulli",
  n.trees = GBM_NTREES ,
  shrinkage = GBM_SHRINKAGE ,
  interaction.depth = GBM_DEPTH ,
  n.minobsinnode = GBM_MINOBS ,
  verbose = TRUE
  )

结果

如何调整参数以获得有效偏差。

Answer 1

我也遇到了同样的问题，奇怪的是，我们很少有人解决这个问题......

将 train.fraction = 0.5 添加到选项列表可以解决该问题(似乎没有默认值，并且在没有明确提及 train.fraction 值的情况下不会计算 validdeviance)。