我正在使用插入符号包在R中训练模型：
ctrl <- trainControl(method = "repeatedcv", repeats = 3, summaryFunction = twoClassSummary)
logitBoostFit <- train(LoanStatus~., credit, method = "LogitBoost", family=binomial, preProcess=c("center", "scale", "pca"),
trControl = ctrl)
我收到以下警告：
Warning message:
In train.default(x, y, weights = w, ...): The metric "Accuracy" was not in the result set. ROC will be used instead.Warning message:
In nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo, : There were missing values in resampled performance measures.
Something is wrong; all the ROC metric values are missing:
ROC Sens Spec
Min. : NA Min. :0.03496 Min. :0.9747
1st Qu.: NA 1st Qu.:0.03919 1st Qu.:0.9758
Median : NA Median :0.04343 Median :0.9770
Mean :NaN Mean :0.04349 Mean :0.9779
3rd Qu.: NA 3rd Qu.:0.04776 3rd Qu.:0.9795
Max. : NA Max. :0.05210 Max. :0.9821
NA's :3
Error in train.default(x, y, weights = w, ...): Stopping
我安装了pROC软件包：
install.packages("pROC", repos="http://cran.rstudio.com/")
library(pROC)
Type 'citation("pROC")' for a citation.
Attaching package: ‘pROC’
The following objects are masked from ‘package:stats’:
cov, smooth, var
数据如下：
str(credit)
'data.frame': 8580 obs. of 45 variables:
$ ListingCategory : int 1 7 3 1 1 7 1 1 1 1 ...
$ IncomeRange : int 3 4 6 4 4 3 3 4 3 3 ...
$ StatedMonthlyIncome : num 2583 4326 10500 4167 5667 ...
$ IncomeVerifiable : logi TRUE TRUE TRUE FALSE TRUE TRUE ...
$ DTIwProsperLoan : num 1.8e-01 2.0e-01 1.7e-01 1.0e+06 1.8e-01 4.4e-01 2.2e-01 2.0e-01 2.0e-01 3.1e-01 ...
$ EmploymentStatusDescription: Factor w/ 7 levels "Employed","Full-time",..: 1 4 1 7 1 1 1 1 1 1 ...
$ Occupation : Factor w/ 65 levels "","Accountant/CPA",..: 37 37 20 14 43 58 48 37 37 37 ...
$ MonthsEmployed : int 4 44 159 67 26 16 209 147 24 9 ...
$ BorrowerState : Factor w/ 48 levels "AK","AL","AR",..: 22 32 5 5 14 28 4 10 10 34 ...
$ BorrowerCity : Factor w/ 3089 levels "AARONSBURG","ABERDEEN",..: 1737 3059 2488 654 482 719 895 1699 2747 1903 ...
$ BorrowerMetropolitanArea : Factor w/ 1 level "(Not Implemented)": 1 1 1 1 1 1 1 1 1 1 ...
$ LenderIndicator : int 0 0 0 1 0 0 0 0 1 0 ...
$ GroupIndicator : logi FALSE FALSE FALSE TRUE FALSE FALSE ...
$ GroupName : Factor w/ 83 levels "","00 Used Car Loans",..: 1 1 1 47 1 1 1 1 1 1 ...
$ ChannelCode : int 90000 90000 90000 80000 40000 40000 90000 90000 80000 90000 ...
$ AmountParticipation : int 0 0 0 0 0 0 0 0 0 0 ...
$ MonthlyDebt : int 247 785 1631 817 644 1524 427 817 654 749 ...
$ CurrentDelinquencies : int 0 0 0 0 0 0 0 1 0 1 ...
$ DelinquenciesLast7Years : int 0 10 0 0 0 0 0 0 0 0 ...
$ PublicRecordsLast10Years : int 0 1 0 0 0 0 1 0 1 0 ...
$ PublicRecordsLast12Months : int 0 0 0 0 0 0 0 0 0 0 ...
$ FirstRecordedCreditLine : Factor w/ 4719 levels "1/1/00 0:00",..: 3032 2673 1197 2541 4698 4345 3150 925 4452 2358 ...
$ CreditLinesLast7Years : int 53 30 36 26 7 22 15 20 34 32 ...
$ InquiriesLast6Months : int 2 8 5 0 0 0 0 3 0 0 ...
$ AmountDelinquent : int 0 0 0 0 0 0 0 63 0 15 ...
$ CurrentCreditLines : int 10 10 18 10 4 11 6 10 7 8 ...
$ OpenCreditLines : int 9 10 15 8 3 8 5 7 7 8 ...
$ BankcardUtilization : num 0.26 0.69 0.94 0.69 0.81 0.38 0.55 0.24 0.03 0 ...
$ TotalOpenRevolvingAccounts : int 9 7 12 10 3 5 4 5 4 6 ...
$ InstallmentBalance : int 48648 14827 0 0 0 30916 0 21619 41340 15447 ...
$ RealEstateBalance : int 0 0 577745 0 0 0 191296 0 0 126039 ...
$ RevolvingBalance : int 5265 9967 94966 50511 37871 22463 19550 2436 1223 3236 ...
$ RealEstatePayment : int 0 0 4159 0 0 0 1303 0 0 1279 ...
$ RevolvingAvailablePercent : int 78 52 36 45 18 61 44 74 96 76 ...
$ TotalInquiries : int 8 11 15 2 0 0 1 7 1 1 ...
$ TotalTradeItems : int 53 30 36 26 7 22 15 20 34 32 ...
$ SatisfactoryAccounts : int 52 23 36 26 7 19 15 18 34 29 ...
$ NowDelinquentDerog : int 0 0 0 0 0 0 0 1 0 1 ...
$ WasDelinquentDerog : int 1 7 0 0 0 3 0 1 0 2 ...
$ OldestTradeOpenDate : int 5092001 5011977 12011984 4272000 9081993 9122000 6161987 11181999 9191990 4132000 ...
$ DelinquenciesOver30Days : int 0 6 0 0 0 13 0 2 0 2 ...
$ DelinquenciesOver60Days : int 0 4 0 0 0 0 0 0 0 1 ...
$ DelinquenciesOver90Days : int 0 10 0 0 0 0 0 0 0 0 ...
$ IsHomeowner : logi FALSE FALSE TRUE FALSE FALSE FALSE ...
$ LoanStatus : Factor w/ 2 levels "0","1": 2 1 1 2 2 2 2 2 2 1 .`..
摘要（贷方）
上市类别收入范围规定的月收入收入可验证
最小：0.000分钟以上：1.000分钟：0模式：逻辑
第一名：1.000第一名：3.000第一名：3167假：784
中位数：2.000中位数：4.000中位数：4750是：7796
均值：4.997均值：4.089均值：5755 NA's：0
第三名：7.000第三名：5.000第三名：7083
最高：20.000最大：7.000 ：250000
DTIw繁荣贷款就业状况描述月份
最小：0.0使用人数：7182 ：-23.00
第一区：0.1全日制：416第一区：26.00
中位数：0.2未使用：122中位数：68.00
均值：91609.4其他：475均值：97.44
第三学期：0.3兼读制：7第三学期：139.00
最高：1000000.0退休：32以下：755.00
自雇人士：346 NA：5
借款人州LenderIndicator GroupIndicator ChannelCode
CA：1056分钟。 ：0.00000模式：逻辑最小值：40000
FL：608第一名：0.00000 FALSE：8325第一名：80000
NY：574中位数：0.00000是：255中位数：80000
TX：532均值：0.09196 NA's：0均值：77196
IL：443第三届：0.00000第三届：90000
GA：最大343。 ：1.00000最多：90000
（其他）：5024
每月债务当期拖欠拖欠最近7年
最小：0.0分钟：0.0000分钟以上：0.000
一等：364.0一等：0.0000一等：0.000
中位数：708.0中位数：0.0000中位数：0.000
平均值：885.5平均值：0.4119平均值：4.009
第三名：1205.2第三名：0.0000第三名：3.000
最高：30213.0最大：21.0000最大：99.000
PublicRecordsLast10Years PublicRecordsLast12个月信用额度Last7Years
最小：0.0000分钟以上：0.00000最低：2.0
第一区：0.0000第一区：0.00000第一区：16.0
中位数：0.0000中位数：0.00000中位数：24.0
均值：0.2809均值：0.01364均值：26.1
第三名：0.0000第三名：0.00000第三名：34.0
最高：11.0000最大：4.00000最大：115.0
过去6个月的欠款当前信用额度OpenCreditLines
最小：0.0000分钟以上：0分钟：0.000分钟以上：0.000
一等：0.0000一等：0一等：5.000一等：5.000
中位数：1.0000中位数：0中位数：9.000中位数：8.000
均值：0.9994均值：1195均值：9.345均值：8.306
第三名：1.0000第三名：0第三名：12.000第三名：11.000
最高：15.0000最多：179158最多：54.000最多：42.000
BankcardUtilization TotalOpenRevolvingAccounts分期付款余额
最小：0.0000最低：0.000分钟以上：0
第一区：0.2500第一区：3.000第一区：3338
中位数：0.5400中位数：6.000中位数：14453
均值：0.5182均值：6.441均值：24900
第三届：0.7900第三届：9.000第三届：32238
最高：2.2300最大值：44.000最大：739371
NA：328
RealEstateBalance RevolvingBalance RealEstatePayment RevolvingAvailablePercent
最小：0分钟：0分钟：0.0分钟：0.00
第一区：0第一区：2799第一区：0.0第一区：29.00
中位数：26154中位数：8784中位数：346.5中位数：52.00
均值：109306均值：19555均值：830.5均值：51.46
第三名：176542第三名：21110第三名：1382.2第三名：75.00
最高：1938421最大：695648最多：13651.0最大：100.00
TotalInquiries TotalTradeItems满意的帐户现在DelinquentDerog
最小：0.00分钟：2.0分钟：1.00分钟：0.0000
第一名：2.00第一名：16.0第一名：14.00第一名：0.0000
中位数：3.00中位数：24.0中位数：21.00中位数：0.0000
平均值：3.91平均值：26.1平均值：23.34平均值：0.4119
第三名：5.00第三名：34.0第三名：30.25第三名：0.0000
最高：36.00最多：115.0最大：113.00最多：21.0000
WasDelinquentDerog OldestTradeOpenDate拖欠超过30天
最小：0.000分钟以上：1011957分钟：0.000
一等：0.000一等：4101996一等：0.000
中位数：1.000中位数：7191993中位数：1.000
均值：2.343均值：6934230均值：4.332
第三名：3.000第三名：10011990第三名：5.000
最高：最大32.000 ：12312004 Max。 ：99.000
拖欠超过60天拖欠超过90天Is Homeowner LoanStatus
最小：0.000分钟以上：0.000模式：逻辑0：1518
第一名：0.000第一名：0.000假：4264 1：7062
中位数：0.000中位数：0.000是：4316
均值：1.908均值：4.009 NA：0
第三名：2.000第三名：3.000
最高：73.000最大值：99.000
我没有发现任何缺失的值：
try(na.fail(credit))
dput(head(credit,4))
structure(list(ListingCategory = c(1L, 7L, 3L, 1L), IncomeRange = c(3L,
4L, 6L, 4L), StatedMonthlyIncome = c(2583.3333, 4326, 10500,
4166.6667), IncomeVerifiable = c(TRUE, TRUE, TRUE, FALSE), DTIwProsperLoan = c(0.18,
0.2, 0.17, 1e+06), EmploymentStatusDescription = structure(c(1L,
4L, 1L, 7L), .Label = c("Employed", "Full-time", "Not employed",
"Other", "Part-time", "Retired", "Self-employed"), class = "factor"),
MonthsEmployed = c(4L, 44L, 159L, 67L), BorrowerState = structure(c(22L,
32L, 5L, 5L), .Label = c("AK", "AL", "AR", "AZ", "CA", "CO",
"CT", "DC", "DE", "FL", "GA", "HI", "ID", "IL", "IN", "KS",
"KY", "LA", "MA", "MD", "MI", "MN", "MO", "MS", "MT", "NC",
"NE", "NH", "NJ", "NM", "NV", "NY", "OH", "OK", "OR", "PA",
"RI", "SC", "SD", "TN", "TX", "UT", "VA", "VT", "WA", "WI",
"WV", "WY"), class = "factor"), LenderIndicator = c(0L, 0L,
0L, 1L), GroupIndicator = c(FALSE, FALSE, FALSE, TRUE), ChannelCode = c(90000L,
90000L, 90000L, 80000L), MonthlyDebt = c(247L, 785L, 1631L,
817L), CurrentDelinquencies = c(0L, 0L, 0L, 0L), DelinquenciesLast7Years = c(0L,
10L, 0L, 0L), PublicRecordsLast10Years = c(0L, 1L, 0L, 0L
), PublicRecordsLast12Months = c(0L, 0L, 0L, 0L), CreditLinesLast7Years = c(53L,
30L, 36L, 26L), InquiriesLast6Months = c(2L, 8L, 5L, 0L),
AmountDelinquent = c(0L, 0L, 0L, 0L), CurrentCreditLines = c(10L,
10L, 18L, 10L), OpenCreditLines = c(9L, 10L, 15L, 8L), BankcardUtilization = c(0.26,
0.69, 0.94, 0.69), TotalOpenRevolvingAccounts = c(9L, 7L,
12L, 10L), InstallmentBalance = c(48648L, 14827L, 0L, 0L),
RealEstateBalance = c(0L, 0L, 577745L, 0L), RevolvingBalance = c(5265L,
9967L, 94966L, 50511L), RealEstatePayment = c(0L, 0L, 4159L,
0L), RevolvingAvailablePercent = c(78L, 52L, 36L, 45L), TotalInquiries = c(8L,
11L, 15L, 2L), TotalTradeItems = c(53L, 30L, 36L, 26L), SatisfactoryAccounts = c(52L,
23L, 36L, 26L), NowDelinquentDerog = c(0L, 0L, 0L, 0L), WasDelinquentDerog = c(1L,
7L, 0L, 0L), OldestTradeOpenDate = c(5092001L, 5011977L,
12011984L, 4272000L), DelinquenciesOver30Days = c(0L, 6L,
0L, 0L), DelinquenciesOver60Days = c(0L, 4L, 0L, 0L), DelinquenciesOver90Days = c(0L,
10L, 0L, 0L), IsHomeowner = c(FALSE, FALSE, TRUE, FALSE),
LoanStatus = structure(c(2L, 1L, 1L, 2L), .Label = c("0",
"1"), class = "factor")), .Names = c("ListingCategory", "IncomeRange",
"StatedMonthlyIncome", "IncomeVerifiable", "DTIwProsperLoan",
"EmploymentStatusDescription", "MonthsEmployed", "BorrowerState",
"LenderIndicator", "GroupIndicator", "ChannelCode", "MonthlyDebt",
"CurrentDelinquencies", "DelinquenciesLast7Years", "PublicRecordsLast10Years",
"PublicRecordsLast12Months", "CreditLinesLast7Years", "InquiriesLast6Months",
"AmountDelinquent", "CurrentCreditLines", "OpenCreditLines",
"BankcardUtilization", "TotalOpenRevolvingAccounts", "InstallmentBalance",
"RealEstateBalance", "RevolvingBalance", "RealEstatePayment",
"RevolvingAvailablePercent", "TotalInquiries", "TotalTradeItems",
"SatisfactoryAccounts", "NowDelinquentDerog", "WasDelinquentDerog",
"OldestTradeOpenDate", "DelinquenciesOver30Days", "DelinquenciesOver60Days",
"DelinquenciesOver90Days", "IsHomeowner", "LoanStatus"), row.names = c(NA,
4L), class = "data.frame")
有什么问题的想法吗？
Warning message:
In train.default(x, y, weights = w, ...): The metric "Accuracy" was not in the result set. ROC will be used instead.
# weights: 72 (71 variable)
initial value 5144.538374
iter 10 value 3540.667624
iter 20 value 3329.692768
iter 30 value 3279.191024
iter 40 value 3264.926986
iter 50 value 3259.276647
iter 60 value 3259.056261
final value 3259.032668
converged
# weights: 72 (71 variable)
initial value 5144.538374
iter 10 value 3540.774666
iter 20 value 3330.016829
iter 30 value 3279.545595
iter 40 value 3265.384385
iter 50 value 3259.499032
iter 60 value 3259.353010
final value 3259.342601
converged
# weights: 72 (71 variable)
initial value 5144.538374
iter 10 value 3540.667731
iter 20 value 3329.693092
iter 30 value 3279.191379
iter 40 value 3264.927427
iter 50 value 3259.276899
iter 60 value 3259.056561
final value 3259.032978
converged
# weights: 72 (71 variable)
initial value 5144.538374
iter 10 value 3528.401458
iter 20 value 3314.932958
iter 30 value 3264.117072
iter 40 value 3253.780051
iter 50 value 3253.368959
iter 60 value 3253.359047
final value 3253.358819
converged
# weights: 72 (71 variable)
initial value 5144.538374
iter 10 value 3528.508505
iter 20 value 3315.134599
iter 30 value 3265.021404
iter 40 value 3255.739021
iter 50 value 3253.817833
iter 60 value 3253.697180
final value 3253.671003
converged
# weights: 72 (71 variable)
initial value 5144.538374
iter 10 value 3528.401565
iter 20 value 3314.933160
iter 30 value 3264.117768
iter 40 value 3253.780539
iter 50 value 3253.369030
iter 60 value 3253.359358
final value 3253.359133
converged
# weights: 71 (70 variable)
initial value 5145.231521
iter 10 value 4680.326236
iter 20 value 4672.506024
iter 30 value 3662.998233
iter 40 value 3310.207744
iter 50 value 3252.983656
iter 60 value 3250.400275
iter 70 value 3250.339216
final value 3250.332646
converged
...＃重量：72（71个变量）
初始值5144.538374
iter 10值4661.569290
iter 20值4652.246624
iter 30值3715.472355
iter 40值3484.096833
iter 50值3254.247424
iter 60值3248.931841
iter 70值3248.154679
iter 80值3248.129089
iter 80值3248.129085
终值3248.128574
融合
＃权重：72（71个变量）
初始值5144.538374
iter 10值4663.660886
iter 20值4654.255466
iter 30值3542.473235
iter 40值3315.027437
iter 50值3250.340679
iter 60值3248.693378
iter 70值3248.455840
iter 80值3248.443345
iter 80值3248.443325
iter 80值3248.443325
终值3248.443325
融合
＃权重：72（71个变量）
初始值5144.538374
iter 10值4661.571382
iter 20值4652.248711
iter 30值4397.069608
iter 40值3532.067046
iter 50值3283.179445
iter 60值3249.518694
iter 70值3248.163057
iter 80值3248.129552
终值3248.128889
融合
警告信息：
在nominalTrainWorkflow（x = x，y = y，wts =权重，info = trainInfo ，：重采样性能度量中缺少值。
出了点问题；缺少所有ROC指标值：
ROC Sens Spec
最小：不适用：0.01805最小值：0.9946
第一区：NA第一区：0.01805第一区：0.9946
中位数：NA中位数：0.01805中位数：0.9946
平均值：NaN平均值：0.01805平均值：0.9946
第三名：NA第三名：0.01805第三名：0.9946
最高：不适用：0.01805最大值：0.9946
不适用：3
train.default（x，y，weights = w，...）中的错误：正在停止
summaryFunction = twoClassSummary出现以触发警告。
它也发生在这里：
ctrl <- trainControl(method = "cv", summaryFunction = twoClassSummary)
multinomSummaryFit <- train(LoanStatus~., credit, method = "multinom", family=binomial,
trControl = ctrl)
Warning message:
In nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo, : There were missing values in resampled performance measures.
Something is wrong; all the ROC metric values are missing:
ROC Sens Spec
Min. : NA Min. :0.01919 Min. :0.9941
1st Qu.: NA 1st Qu.:0.01988 1st Qu.:0.9942
Median : NA Median :0.02056 Median :0.9943
Mean :NaN Mean :0.02011 Mean :0.9943
3rd Qu.: NA 3rd Qu.:0.02056 3rd Qu.:0.9943
Max. : NA Max. :0.02057 Max. :0.9944
NA's :3
Error in train.default(x, y, weights = w, ...): Stopping
最佳答案
尝试将类别变量值从“ 0”，“ 1”更改为例如“ A”，“ B”，然后尝试。