Бернулли против Adaboost GBM?

Я не особо понимаю разницу с практической точки зрения распространения = Adaboost или bernoulli

   library(MASS)
   library(gbm)
   data=Boston
   data$chas = factor(data$chas)
   ada_model = gbm(chas~ . , data, distribution ='adaboost')
   bern_model = gbm(chas ~ . , data, distribution = 'bernoulli')
   ada_model
   bern_model

Я не понимаю, почему бернулли не дает никаких результатов? Полагаю, у меня есть фундаментальное недопонимание того, как это работает?

Я ищу: 1. объяснение, почему бернулли не работает. Я думал, что в документации сказано, что это можно использовать для классификации? 2. Если они оба могут использоваться для классификации, каковы практические различия?


r classification gbm
person runningbirds    schedule 17.11.2015    source источник
comment
Ваш код работает нормально, если я закомментирую строку 4.   -  person Neal Fultz    schedule 18.11.2015
comment
да, но тогда это уже не классификация?   -  person runningbirds    schedule 18.11.2015

Ответы (2)


arrow_upward
0
arrow_downward

Бернулли ломается, потому что вызов factor перекодирует 0/1 в 1/2:

> str(factor(data$chas[350:400]))
Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 2 2 2 ...
person Neal Fultz    schedule 18.11.2015
comment
Как мне тогда это исправить? Кажется, я не могу изменить их на 0 и 1? - person runningbirds; 18.11.2015

arrow_upward
0
arrow_downward 

> str(data$chas)
 int [1:506] 0 0 0 0 0 0 0 0 0 0 ...
> sum(data$chas==0) + sum(data$chas==1)
[1] 506

В настоящее время существует 506 целых чисел, которые равны нулю или единице. Нечего делать. Удалите строку 4, которую @Neal Fultz рекомендовал в своем исходном комментарии и объяснил в своем ответе. Если вы хотите явно привязать переменную к {0,1}, вы можете использовать as.logical, и ваш код станет следующим:

library(MASS)
library(gbm)
data=Boston
data$chas = as.logical(data$chas) # optionally cast as logical to force range into 0 or 1
ada_model = gbm(chas~ . , data, distribution ='adaboost')
bern_model = gbm(chas ~ . , data, distribution = 'bernoulli')
ada_model
bern_model

Немного читая между строк, я предполагаю, что ваша настоящая проблема в том, что в вашем производственном наборе данных есть значения, отличные от {0,1}. Преобразование их в логический преобразует их в TRUE (1), и вы готовы к работе. Если это не то, что вам нужно, используйте это, чтобы найти их и изучить в каждом конкретном случае:

which((data$chas != 0) & (data$chas != 1))
person woodvi    schedule 24.05.2016