r - 使用插入符号库预测 GBM 的概率

Question

类似的问题是 asked但是答案中的链接指向随机森林示例，在我的情况下似乎不起作用。

这是我正在尝试做的一个例子:

gbmGrid <-  expand.grid(interaction.depth = c(5, 9),
                    n.trees = (1:3)*200,
                    shrinkage = c(0.05, 0.1))

fitControl <- trainControl(
                       method = "cv",
                       number = 3,
                       classProbs = TRUE)

gbmFit <- train(strong~.-Id-PlayerName, data = train[1:10000,],
             method = "gbm",
             trControl = fitControl,
             verbose = TRUE,
             tuneGrid = gbmGrid)
gbmFit

一切顺利，我得到了最好的参数。现在，如果我做预测:

predictStrong = predict(gbmFit, newdata=train[11000:50000,])

我得到了一个二元预测向量，这很好:

[1] 0 1 0 0 1 0 0 0 0 0 0 0 1 1 0 0 1 1 1 0 0 0 1 ...

但是，当我尝试获取概率时，出现错误:

predictStrong = predict(gbmFit, newdata=train[11000:50000,], type="prob")

Error in `[.data.frame`(out, , obsLevels, drop = FALSE) : 
undefined columns selected

似乎问题出在哪里？

附加信息:

traceback()
5: stop("undefined columns selected")
4: `[.data.frame`(out, , obsLevels, drop = FALSE)
3: out[, obsLevels, drop = FALSE]
2: predict.train(gbmFit, newdata = train[11000:50000, ], type = "prob")
1: predict(gbmFit, newdata = train[11000:50000, ], type = "prob")

版本:

R version 3.1.0 (2014-04-10) -- "Spring Dance"
Copyright (C) 2014 The R Foundation for Statistical Computing
Platform: x86_64-unknown-linux-gnu (64-bit)

caret version: 6.0-29

编辑:
我见过 this topic同样，我没有收到关于变量名的错误，尽管我有几个带下划线的变量名，我认为它是有效的，因为我使用 make.names并获得与原始名称相同的名称。

colnames(train) == make.names(colnames(train))
[1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

Answer 1

当请求类概率时，train将它们放入一个数据框中，每个类都有一列。如果因子水平不是有效的变量名称，它们会自动更改(例如 "0" 变成 "X0" )。 train在这种情况下发出警告，类似于“至少一个类级别不是有效的 R 变量名称。如果生成类概率，这可能会导致错误。”