"Ważna dewiacja" to nan dla modelu GBM. Co to oznacza i jak się go pozbyć?

Question

Używam dopalania gradientowego dla klasyfikacji. Chociaż wynik jest lepszy, ale otrzymuję NaN w poprawnej wersji.

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.

Answer 1

miałem ten sam problem, co dziwne, jesteśmy mało na ten jeden ...

Dodawanie train.fraction = 0.5 do listy opcji rozwiązuje problem (wydaje nie ma wartości domyślnej, a validdeviance nie jest obliczana bez wyraźnie wymieniono wartość pociągu).