MNIST数据集提升

Question

我正在尝试将梯度提升应用于MNIST数据集。这是我的代码：

library(dplyr)
library(caret)
mnist <- snedata::download_mnist()
mnist_num <- as.data.frame(lapply(mnist[1:10000,], as.numeric)) %>%
mutate(id = row_number())
mnist_num <- mnist_num[,sapply(mnist_num, function(x){max(x) - min(x) > 0})]

mnist_train <- sample_frac(mnist_num, .70)
mnist_test <- anti_join(mnist_num, mnist_train, by = 'id')

set.seed(5000)
library(gbm)
boost_mnist<-gbm(Label~ .,data=mnist_train, distribution="bernoulli", n.trees=70, 
interaction.depth=4, shrinkage=0.3)

它显示以下错误：

“gbm.fit中出现错误(x= x，y= y，偏移量=偏移量，分布=分布，：伯努利要求响应在{0，1}中)”

这里出了什么问题？有没有人能给我看正确操作的代码？

Answer 1

错误

Error in gbm.fit(x = x, y = y, offset = offset, distribution = distribution, : Bernoulli requires the response to be in {0,1}

由于对分布的选择，您应该选择multinomial而不是bernoulli，因为伯努利分布只适用于二分响应，并且mnist标签从1到10。