回答情况：
提问时间：
问题标签：
我正在使用SuperLearner R包。我正在尝试为训练集和测试集生成预测的y值。"newX“的情况下拟合超级学习器模型以首先获得训练集上的预测值，以便我可以计算均方误差和绘制预测值与实际Y值之间的关系之后，我使用”newX“命令通过运行以下代码来预测测试集的Y值：然后，在“predict”之后，我得到了以下错误："Error in object$whichScreen：$ operator对于原子矢量是无效的“
我浏览了许多在线资源，以了解如何在拟合SuperLearne
浏览 2修改于2017-12-08得票数 3
我最近开始阅读关于SuperLearner的文章，我试图在R中运行SuperLearner，以获得生存结果。sex - 1)longData <- SuperLearnersubLung$status == 2),dataX = subset(subLung, createDiscret
浏览 3提问于2019-10-01得票数 1
回答已采纳
R中的SuperLearner包返回SL.predict下训练集中包含的所有观测的预测值，并返回系数(coef)，该系数对不同的底层算法进行加权，以构成交叉验证中每个折叠的SuperLearner算法，如何根据训练集中的SuperLearner模型来估计这个样本外测试集的预测值？如何保存模型结果，以便根据同一模型估算未来的预测值？library(SuperLearner)
## training setp <- 50
X <- matrix(rnor
浏览 4修改于2013-09-08得票数 3
回答已采纳
我正在尝试使用SuperLearner，不管我在库中添加了哪些算法，它只会提供系数1的离散赢家。有什么选项可以防止这种情况发生吗？代码：SuperLearner(Y = msicudatatrain$IsDeceased, X = x, family = binomialCall:
SuperLearner(Y = msicudatatrain$IsDeceased, X = x, family = binomial(), SL.l
浏览 4修改于2018-06-22得票数 0
我正在尝试将一个模型与SuperLearner包相匹配。但是，我甚至不能通过玩包的舞台来适应它.我使用以下代码：
superlearner<-SuperLearner::SuperLearner(Y=y, X=as.data.frame(data_train
浏览 4提问于2022-03-29得票数 0
library(SuperLearner)set.seed(23432)n <- 500X <- matrix(rnormX <- data.frame(X)
verb
浏览 15修改于2020-06-23得票数 2
回答已采纳
# Call: y_holdout = outcome_bin[-train_obs]
set.seed(1)
sl = SuperLearner(Y = y_train,
浏览 24修改于2020-09-04得票数 0
回答已采纳
) return(foo)SL.library <- list("SL.test")
fit <- SuperLearner
浏览 0提问于2014-07-27得票数 0
回答已采纳
我在R中执行了以下算法：
test <- CV.SuperLearner(Y,X, V = 10, SL.library = SL.library, verbose = TRUE, method = "
浏览 0提问于2013-12-08得票数 1
我被告知要使用超精益包，其算法是：-verbose = TRUE#separating all of my X predictor variables (all 151 of them)test <- CV.SuperLearner
浏览 6提问于2013-12-07得票数 0
回答已采纳
这个优化器的一个例子是在带有选项method = "method.NNLS"的SuperLearner包中。下面是一个可重复的例子：# binary outcomeN <- 200
# least
浏览 0修改于2021-08-15得票数 2
回答已采纳
1回答
在SuperLearner R软件包中实现了非线性优化.关于更详细的分析，请参考LeDell (2015年)。classif.auc和param_set$values <- list(measure="classif.auc",optimizer="nloptr",log_level="warn")
帮助文件引用SuperLearner在mlr3的书中，我找到了一个关于的段落，这对SuperLearner来说可能吗？
浏览 3修改于2021-04-02得票数 0
回答已采纳
下面是mlens的简化语法ensemble = SuperLearner()
ensemble.add(estimators
浏览 23修改于2022-08-28得票数 10
我正在使用M透镜包在一个非常大的数据集中使用SuperLearner进行建模(因此可伸缩性很重要)。我的目标是使用dataframe结构而不是Numpy数组。这将解决下游问题。train_test_splitfrom mlens.ensemble.super_learner import SuperLearneraccuracy_score(y_val, clf.predict(feature_selector.transform(scaler.transfo
浏览 5提问于2021-02-03得票数 0
回答已采纳
balanced_accuracy_score, average='micro', greater_is_better=True)
from sklearn.feature_selection import SelectFromModel
ensemble = SuperLearner
浏览 2提问于2021-04-05得票数 0
回答已采纳
install -c conda-forge r-rcpparmadilloconda install -c conda-forge r-superlearner
浏览 4提问于2021-07-21得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号