"devianza valida" è nan per il modello GBM, cosa significa questo e come sbarazzarsi di questo?

Question

Sto utilizzando l'aumento gradiente per la classificazione. Anche se il risultato sta migliorando, ma sto ottenendo NaN in validdeviance.

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 
) 

Risultato

Come sintonizzare il parametro per ottenere il validdeviance.

Answer 1

Ho avuto lo stesso problema, stranamente, siamo pochi su questo ...

Aggiunta train.fraction = 0.5 all'elenco delle opzioni risolve il problema (sembra non v'è alcun valore di default, e validdeviance non viene calcolata senza il valore train.fraction menzionato esplicitamente).