Re: [R-es] gbm.step para clasificación no binaria

2018-02-21 Por tema Carlos Ortega 
​Si ya vas a utilizar "gbm", por justamente mejorar la capacidad
predictiva, usaría el "gbm" de H2O o mejor "ligthgbm"...
El porqué...​

https://github.com/szilard/GBM-perf

Saludos,
Carlos Ortega
www.qualityexcellence.es

El 21 de febrero de 2018, 10:49, Manuel Mendoza 
escribió:

>
> Bueno, finalmente estaba equivocado en relación a la validación cruzada;
> resulta que gbm tiene el comando gbm.perf(gbm.model, method="cv") que te
> indica el mejor nº de árboles por VC. Lo pongo por si a alguien le pudiera
> interesar. Los gradient boosted son, sin duda, uno de los algoritmos de
> machine learning con mayor capacidad predictiva.
> Un saludo.
>
>
> Quoting Carlos Ortega :
>
> Hola,
>>
>> Varias cosas:
>>
>>- Puedes usar "gbm" y para los "partial plots" utilizar el paquete
>> "pdp"
>>que considera varios tipos de modelos, entre ellos "gbm".
>>- También puedes usar "xgboost" que tiene una función parecida a esta
>>
>>que quieres usar "xgb.cv" justamente para encontrar el modelo óptimo.
>>
>> De todas formas, por experiencia sí que los randomForest sobreajustan
>> cuando fuerzas un número alto de niveles (en la función en Python
>> RandomForestClassifier con el parámetro "max_depth" que no veo la
>> equivalente en randomForest o ranger de R...
>>
>
> Saludos,
>> Carlos Ortega.
>>
>> El 19 de febrero de 2018, 22:02, Manuel Mendoza 
>> escribió:
>>
>>
>>> Hola de nuevo. Se me olvidaba la principal razón para utilizar gbm.step
>>> del paquete dismo. Como sabéis, los boosted si sobreajustan (a diferencia
>>> de los random forest o cualquier otro bootstrap) pero gbm.step hace
>>> validación cruzada para determinar el nº óptimo de árboles y evitarlo. Es
>>> fundamental.
>>>
>>>
>>>
>>> La opción que me queda, Carlos, es hacerlo con gbm, pero muchas veces, y
>>> usar el promedio.Vamos, hacer yo mismo un bootstrap con muchos boosted.
>>> Los
>>> métodos basados en bootstrap no sobreajustan, precisamente porque, como
>>> quizás sepas, al sobreajustar aumenta el error debido a la varianza, y el
>>> promedio de muchas predicciones con elevada varianza tiene mucha menos
>>> varianza que cada una de ellas.
>>>
>>>
>>>
>>>
>>>
>>> Quoting Carlos Ortega :
>>>
>>> Hola,
>>>

 Sí, tienes razón...
 ¿No puedes usar la propia función "gbm" del paquete "gbm"?...

 Gracias,
 Carlos Ortega
 www.qualityexcellence.es

 El 19 de febrero de 2018, 18:01, Manuel Mendoza 
 escribió:


 Gracias Carlos. Hasta donde yo entiendo si las hay:
>
> El argumento family puede ser:
>
> "gaussian" (for minimizing squared error); por lo que tiene que ser
> numérica
> "bernoulli" (logistic regression for 0-1 out-comes); binaria por
> narices
> "poisson" (count outcomes; requires the response to be a positive
> integer); numérica también, pues.
>
> La única podría ser "laplace" (for minimizing absolute loss), pero me
> da
> este error: Error in while (delta.deviance > tolerance.test & n.fitted
> <
> max.trees) { :
>   missing value where TRUE/FALSE needed
>
> Supongo que loss se refiere a la función de pérdida, y como habla de
> deviance (la función de pérdida por defecto en gbm) pienso que también
> es
> para variable respuesta numérica, aunque no lo encontré por ningún
> lado.
> Por eso pregunté.
>
> Probaré sin indicar la family, a ver si funciona.
> Gracias,
> Manuel
>
>
>
> Quoting Carlos Ortega :
>
> Hola,
>
>
>> No hay ninguna limitación en la ayuda de la función en este sentido.
>> Tan solo se indica que han de existir dos niveles en la variable
>> predictora, vaya que al menos sea binaria...
>> En la función en el parámetro "gbm.y" es donde indicas qué columna es
>> la
>> predictora. No hay otro parámetro donde por otro lado le indiques si
>> es
>> un
>> modelo binario o multinominal...
>>
>> Saludos,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>>
>> 2018-02-19 14:03 GMT+01:00 Manuel Mendoza :
>>
>> Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no
>>
>> binaria?
>>> Gracias
>>> --
>>> Dr Manuel Mendoza
>>> Department of Biogeography and Global Change
>>> National Museum of Natural History (MNCN)
>>> Spanish Scientific Council (CSIC)
>>> C/ Serrano 115bis, 28006 MADRID
>>> Spain
>>>
>>> ___
>>> R-help-es mailing list
>>> R-help-es@r-project.org
>>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>>
>>>
>>>
>>>
>> --
>> Saludos,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>>
>>
> --
> Dr Manuel Mendoza
> Department

Re: [R-es] gbm.step para clasificación no binaria

2018-02-19 Por tema Manuel Mendoza 


Gracias, les echaré un ojo.

Quoting Carlos Ortega :


Hola,

Varias cosas:

   - Puedes usar "gbm" y para los "partial plots" utilizar el paquete "pdp"
   que considera varios tipos de modelos, entre ellos "gbm".
   - También puedes usar "xgboost" que tiene una función parecida a esta
   que quieres usar "xgb.cv" justamente para encontrar el modelo óptimo.

De todas formas, por experiencia sí que los randomForest sobreajustan
cuando fuerzas un número alto de niveles (en la función en Python
RandomForestClassifier con el parámetro "max_depth" que no veo la
equivalente en randomForest o ranger de R...

Saludos,
Carlos Ortega.

El 19 de febrero de 2018, 22:02, Manuel Mendoza 
escribió:



Hola de nuevo. Se me olvidaba la principal razón para utilizar gbm.step
del paquete dismo. Como sabéis, los boosted si sobreajustan (a diferencia
de los random forest o cualquier otro bootstrap) pero gbm.step hace
validación cruzada para determinar el nº óptimo de árboles y evitarlo. Es
fundamental.



La opción que me queda, Carlos, es hacerlo con gbm, pero muchas veces, y
usar el promedio.Vamos, hacer yo mismo un bootstrap con muchos boosted. Los
métodos basados en bootstrap no sobreajustan, precisamente porque, como
quizás sepas, al sobreajustar aumenta el error debido a la varianza, y el
promedio de muchas predicciones con elevada varianza tiene mucha menos
varianza que cada una de ellas.





Quoting Carlos Ortega :

Hola,


Sí, tienes razón...
¿No puedes usar la propia función "gbm" del paquete "gbm"?...

Gracias,
Carlos Ortega
www.qualityexcellence.es

El 19 de febrero de 2018, 18:01, Manuel Mendoza 
escribió:



Gracias Carlos. Hasta donde yo entiendo si las hay:

El argumento family puede ser:

"gaussian" (for minimizing squared error); por lo que tiene que ser
numérica
"bernoulli" (logistic regression for 0-1 out-comes); binaria por narices
"poisson" (count outcomes; requires the response to be a positive
integer); numérica también, pues.

La única podría ser "laplace" (for minimizing absolute loss), pero me da
este error: Error in while (delta.deviance > tolerance.test & n.fitted <
max.trees) { :
  missing value where TRUE/FALSE needed

Supongo que loss se refiere a la función de pérdida, y como habla de
deviance (la función de pérdida por defecto en gbm) pienso que también es
para variable respuesta numérica, aunque no lo encontré por ningún lado.
Por eso pregunté.

Probaré sin indicar la family, a ver si funciona.
Gracias,
Manuel



Quoting Carlos Ortega :

Hola,



No hay ninguna limitación en la ayuda de la función en este sentido.
Tan solo se indica que han de existir dos niveles en la variable
predictora, vaya que al menos sea binaria...
En la función en el parámetro "gbm.y" es donde indicas qué columna es la
predictora. No hay otro parámetro donde por otro lado le indiques si es
un
modelo binario o multinominal...

Saludos,
Carlos Ortega
www.qualityexcellence.es


2018-02-19 14:03 GMT+01:00 Manuel Mendoza :

Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no


binaria?
Gracias
--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es





--
Saludos,
Carlos Ortega
www.qualityexcellence.es




--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain





--
Saludos,
Carlos Ortega
www.qualityexcellence.es




--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain





--
Saludos,
Carlos Ortega
www.qualityexcellence.es



--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es

Re: [R-es] gbm.step para clasificación no binaria

2018-02-19 Por tema Carlos Ortega 
Hola,

Varias cosas:

   - Puedes usar "gbm" y para los "partial plots" utilizar el paquete "pdp"
   que considera varios tipos de modelos, entre ellos "gbm".
   - También puedes usar "xgboost" que tiene una función parecida a esta
   que quieres usar "xgb.cv" justamente para encontrar el modelo óptimo.

De todas formas, por experiencia sí que los randomForest sobreajustan
cuando fuerzas un número alto de niveles (en la función en Python
RandomForestClassifier con el parámetro "max_depth" que no veo la
equivalente en randomForest o ranger de R...

Saludos,
Carlos Ortega.

El 19 de febrero de 2018, 22:02, Manuel Mendoza 
escribió:

>
> Hola de nuevo. Se me olvidaba la principal razón para utilizar gbm.step
> del paquete dismo. Como sabéis, los boosted si sobreajustan (a diferencia
> de los random forest o cualquier otro bootstrap) pero gbm.step hace
> validación cruzada para determinar el nº óptimo de árboles y evitarlo. Es
> fundamental.
>
>
>
> La opción que me queda, Carlos, es hacerlo con gbm, pero muchas veces, y
> usar el promedio.Vamos, hacer yo mismo un bootstrap con muchos boosted. Los
> métodos basados en bootstrap no sobreajustan, precisamente porque, como
> quizás sepas, al sobreajustar aumenta el error debido a la varianza, y el
> promedio de muchas predicciones con elevada varianza tiene mucha menos
> varianza que cada una de ellas.
>
>
>
>
>
> Quoting Carlos Ortega :
>
> Hola,
>>
>> Sí, tienes razón...
>> ¿No puedes usar la propia función "gbm" del paquete "gbm"?...
>>
>> Gracias,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>> El 19 de febrero de 2018, 18:01, Manuel Mendoza 
>> escribió:
>>
>>
>>> Gracias Carlos. Hasta donde yo entiendo si las hay:
>>>
>>> El argumento family puede ser:
>>>
>>> "gaussian" (for minimizing squared error); por lo que tiene que ser
>>> numérica
>>> "bernoulli" (logistic regression for 0-1 out-comes); binaria por narices
>>> "poisson" (count outcomes; requires the response to be a positive
>>> integer); numérica también, pues.
>>>
>>> La única podría ser "laplace" (for minimizing absolute loss), pero me da
>>> este error: Error in while (delta.deviance > tolerance.test & n.fitted <
>>> max.trees) { :
>>>   missing value where TRUE/FALSE needed
>>>
>>> Supongo que loss se refiere a la función de pérdida, y como habla de
>>> deviance (la función de pérdida por defecto en gbm) pienso que también es
>>> para variable respuesta numérica, aunque no lo encontré por ningún lado.
>>> Por eso pregunté.
>>>
>>> Probaré sin indicar la family, a ver si funciona.
>>> Gracias,
>>> Manuel
>>>
>>>
>>>
>>> Quoting Carlos Ortega :
>>>
>>> Hola,
>>>

 No hay ninguna limitación en la ayuda de la función en este sentido.
 Tan solo se indica que han de existir dos niveles en la variable
 predictora, vaya que al menos sea binaria...
 En la función en el parámetro "gbm.y" es donde indicas qué columna es la
 predictora. No hay otro parámetro donde por otro lado le indiques si es
 un
 modelo binario o multinominal...

 Saludos,
 Carlos Ortega
 www.qualityexcellence.es


 2018-02-19 14:03 GMT+01:00 Manuel Mendoza :

 Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no

> binaria?
> Gracias
> --
> Dr Manuel Mendoza
> Department of Biogeography and Global Change
> National Museum of Natural History (MNCN)
> Spanish Scientific Council (CSIC)
> C/ Serrano 115bis, 28006 MADRID
> Spain
>
> ___
> R-help-es mailing list
> R-help-es@r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
>

 --
 Saludos,
 Carlos Ortega
 www.qualityexcellence.es


>>>
>>> --
>>> Dr Manuel Mendoza
>>> Department of Biogeography and Global Change
>>> National Museum of Natural History (MNCN)
>>> Spanish Scientific Council (CSIC)
>>> C/ Serrano 115bis, 28006 MADRID
>>> Spain
>>>
>>>
>>>
>>
>> --
>> Saludos,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>
>
> --
> Dr Manuel Mendoza
> Department of Biogeography and Global Change
> National Museum of Natural History (MNCN)
> Spanish Scientific Council (CSIC)
> C/ Serrano 115bis, 28006 MADRID
> Spain
>
>


-- 
Saludos,
Carlos Ortega
www.qualityexcellence.es

[[alternative HTML version deleted]]

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es

Re: [R-es] gbm.step para clasificación no binaria

2018-02-19 Por tema Manuel Mendoza 


Hola de nuevo. Se me olvidaba la principal razón para utilizar  
gbm.step del paquete dismo. Como sabéis, los boosted si sobreajustan  
(a diferencia de los random forest o cualquier otro bootstrap) pero  
gbm.step hace validación cruzada para determinar el nº óptimo de  
árboles y evitarlo. Es fundamental.




La opción que me queda, Carlos, es hacerlo con gbm, pero muchas veces,  
y usar el promedio.Vamos, hacer yo mismo un bootstrap con muchos  
boosted. Los métodos basados en bootstrap no sobreajustan,  
precisamente porque, como quizás sepas, al sobreajustar aumenta el  
error debido a la varianza, y el promedio de muchas predicciones con  
elevada varianza tiene mucha menos varianza que cada una de ellas.





Quoting Carlos Ortega :


Hola,

Sí, tienes razón...
¿No puedes usar la propia función "gbm" del paquete "gbm"?...

Gracias,
Carlos Ortega
www.qualityexcellence.es

El 19 de febrero de 2018, 18:01, Manuel Mendoza 
escribió:



Gracias Carlos. Hasta donde yo entiendo si las hay:

El argumento family puede ser:

"gaussian" (for minimizing squared error); por lo que tiene que ser
numérica
"bernoulli" (logistic regression for 0-1 out-comes); binaria por narices
"poisson" (count outcomes; requires the response to be a positive
integer); numérica también, pues.

La única podría ser "laplace" (for minimizing absolute loss), pero me da
este error: Error in while (delta.deviance > tolerance.test & n.fitted <
max.trees) { :
  missing value where TRUE/FALSE needed

Supongo que loss se refiere a la función de pérdida, y como habla de
deviance (la función de pérdida por defecto en gbm) pienso que también es
para variable respuesta numérica, aunque no lo encontré por ningún lado.
Por eso pregunté.

Probaré sin indicar la family, a ver si funciona.
Gracias,
Manuel



Quoting Carlos Ortega :

Hola,


No hay ninguna limitación en la ayuda de la función en este sentido.
Tan solo se indica que han de existir dos niveles en la variable
predictora, vaya que al menos sea binaria...
En la función en el parámetro "gbm.y" es donde indicas qué columna es la
predictora. No hay otro parámetro donde por otro lado le indiques si es un
modelo binario o multinominal...

Saludos,
Carlos Ortega
www.qualityexcellence.es


2018-02-19 14:03 GMT+01:00 Manuel Mendoza :

Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no

binaria?
Gracias
--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es





--
Saludos,
Carlos Ortega
www.qualityexcellence.es




--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain





--
Saludos,
Carlos Ortega
www.qualityexcellence.es



--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es

Re: [R-es] gbm.step para clasificación no binaria

2018-02-19 Por tema Manuel Mendoza 


Bueno, primero te comento que si no le indico la family me hace  
Bernuilli y da error por no ser binaria.


La razón de aplicar gbm.step del paquete dismo es que da una  
información fundamental, como la interacción entre las variables o los  
partial plots. La interacción te la representa en 3D y es super  
explicativo.


El paquete randomforest también me da los partialplots y sale muy  
bien, pero me gustaría probar también con boosted. Lo haré con gbm,  
aunque no obtenga las interacciones.


Gracias una vez más,
Manuel


Quoting Carlos Ortega :


Hola,

Sí, tienes razón...
¿No puedes usar la propia función "gbm" del paquete "gbm"?...

Gracias,
Carlos Ortega
www.qualityexcellence.es

El 19 de febrero de 2018, 18:01, Manuel Mendoza 
escribió:



Gracias Carlos. Hasta donde yo entiendo si las hay:

El argumento family puede ser:

"gaussian" (for minimizing squared error); por lo que tiene que ser
numérica
"bernoulli" (logistic regression for 0-1 out-comes); binaria por narices
"poisson" (count outcomes; requires the response to be a positive
integer); numérica también, pues.

La única podría ser "laplace" (for minimizing absolute loss), pero me da
este error: Error in while (delta.deviance > tolerance.test & n.fitted <
max.trees) { :
  missing value where TRUE/FALSE needed

Supongo que loss se refiere a la función de pérdida, y como habla de
deviance (la función de pérdida por defecto en gbm) pienso que también es
para variable respuesta numérica, aunque no lo encontré por ningún lado.
Por eso pregunté.

Probaré sin indicar la family, a ver si funciona.
Gracias,
Manuel



Quoting Carlos Ortega :

Hola,


No hay ninguna limitación en la ayuda de la función en este sentido.
Tan solo se indica que han de existir dos niveles en la variable
predictora, vaya que al menos sea binaria...
En la función en el parámetro "gbm.y" es donde indicas qué columna es la
predictora. No hay otro parámetro donde por otro lado le indiques si es un
modelo binario o multinominal...

Saludos,
Carlos Ortega
www.qualityexcellence.es


2018-02-19 14:03 GMT+01:00 Manuel Mendoza :

Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no

binaria?
Gracias
--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es





--
Saludos,
Carlos Ortega
www.qualityexcellence.es




--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain





--
Saludos,
Carlos Ortega
www.qualityexcellence.es



--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es

Re: [R-es] gbm.step para clasificación no binaria

2018-02-19 Por tema Carlos Ortega 
Hola,

Sí, tienes razón...
¿No puedes usar la propia función "gbm" del paquete "gbm"?...

Gracias,
Carlos Ortega
www.qualityexcellence.es

El 19 de febrero de 2018, 18:01, Manuel Mendoza 
escribió:

>
> Gracias Carlos. Hasta donde yo entiendo si las hay:
>
> El argumento family puede ser:
>
> "gaussian" (for minimizing squared error); por lo que tiene que ser
> numérica
> "bernoulli" (logistic regression for 0-1 out-comes); binaria por narices
> "poisson" (count outcomes; requires the response to be a positive
> integer); numérica también, pues.
>
> La única podría ser "laplace" (for minimizing absolute loss), pero me da
> este error: Error in while (delta.deviance > tolerance.test & n.fitted <
> max.trees) { :
>   missing value where TRUE/FALSE needed
>
> Supongo que loss se refiere a la función de pérdida, y como habla de
> deviance (la función de pérdida por defecto en gbm) pienso que también es
> para variable respuesta numérica, aunque no lo encontré por ningún lado.
> Por eso pregunté.
>
> Probaré sin indicar la family, a ver si funciona.
> Gracias,
> Manuel
>
>
>
> Quoting Carlos Ortega :
>
> Hola,
>>
>> No hay ninguna limitación en la ayuda de la función en este sentido.
>> Tan solo se indica que han de existir dos niveles en la variable
>> predictora, vaya que al menos sea binaria...
>> En la función en el parámetro "gbm.y" es donde indicas qué columna es la
>> predictora. No hay otro parámetro donde por otro lado le indiques si es un
>> modelo binario o multinominal...
>>
>> Saludos,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>>
>> 2018-02-19 14:03 GMT+01:00 Manuel Mendoza :
>>
>> Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no
>>> binaria?
>>> Gracias
>>> --
>>> Dr Manuel Mendoza
>>> Department of Biogeography and Global Change
>>> National Museum of Natural History (MNCN)
>>> Spanish Scientific Council (CSIC)
>>> C/ Serrano 115bis, 28006 MADRID
>>> Spain
>>>
>>> ___
>>> R-help-es mailing list
>>> R-help-es@r-project.org
>>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>>
>>>
>>
>>
>> --
>> Saludos,
>> Carlos Ortega
>> www.qualityexcellence.es
>>
>
>
> --
> Dr Manuel Mendoza
> Department of Biogeography and Global Change
> National Museum of Natural History (MNCN)
> Spanish Scientific Council (CSIC)
> C/ Serrano 115bis, 28006 MADRID
> Spain
>
>


-- 
Saludos,
Carlos Ortega
www.qualityexcellence.es

[[alternative HTML version deleted]]

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es

Re: [R-es] gbm.step para clasificación no binaria

2018-02-19 Por tema Carlos Ortega 
Hola,

No hay ninguna limitación en la ayuda de la función en este sentido.
Tan solo se indica que han de existir dos niveles en la variable
predictora, vaya que al menos sea binaria...
En la función en el parámetro "gbm.y" es donde indicas qué columna es la
predictora. No hay otro parámetro donde por otro lado le indiques si es un
modelo binario o multinominal...

Saludos,
Carlos Ortega
www.qualityexcellence.es


2018-02-19 14:03 GMT+01:00 Manuel Mendoza :

> Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no
> binaria?
> Gracias
> --
> Dr Manuel Mendoza
> Department of Biogeography and Global Change
> National Museum of Natural History (MNCN)
> Spanish Scientific Council (CSIC)
> C/ Serrano 115bis, 28006 MADRID
> Spain
>
> ___
> R-help-es mailing list
> R-help-es@r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>



-- 
Saludos,
Carlos Ortega
www.qualityexcellence.es

[[alternative HTML version deleted]]

___
R-help-es mailing list
R-help-es@r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es