5
Używam dopalania gradientowego dla klasyfikacji. Chociaż wynik jest lepszy, ale otrzymuję NaN w poprawnej wersji."Ważna dewiacja" to nan dla modelu GBM. Co to oznacza i jak się go pozbyć?
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
)
Wynik
Jak dostroić parametr, aby uzyskać validdeviance.