R Caret Train AU C отсутствующие значения в пересчитанных показателях производительности - PullRequest
Новая
       44

R Caret Train AU C отсутствующие значения в пересчитанных показателях производительности

0 голосов
/ 02 августа 2020

Когда я пытаюсь обучить регрессионную модель logisti c, используя метрику точности-отзыва c на этих данных, я продолжаю получать следующие ошибки: 

Error: Stopping
In addition: Warning message:
In nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,  :
  There were missing values in resampled performance measures.

Вот вывод консоли : 

Something is wrong; all the AUC metric values are missing:
      AUC        Precision          Recall            F         
 Min.   : NA   Min.   :0.9464   Min.   :0.987   Min.   :0.9663  
 1st Qu.: NA   1st Qu.:0.9464   1st Qu.:0.987   1st Qu.:0.9663  
 Median : NA   Median :0.9464   Median :0.987   Median :0.9663  
 Mean   :NaN   Mean   :0.9464   Mean   :0.987   Mean   :0.9663  
 3rd Qu.: NA   3rd Qu.:0.9464   3rd Qu.:0.987   3rd Qu.:0.9663  
 Max.   : NA   Max.   :0.9464   Max.   :0.987   Max.   :0.9663  
 NA's   :1

Судя по всему, на первой итерации перекрестной проверки AU C уже является NA. Тем не менее, в моих данных нет NA, и, читая другие сообщения в stackoverflow, у меня нет проблем с другими сообщениями (например, мои классификационные метки - «Да», «Нет», а не «0», «1» и У меня нет категориальных переменных). Как я могу решить эту проблему? Мой код ниже для справки. 

library(caret)
library(MLmetrics)

set.seed(1)
#Split data into training and test sets
split <- 0.8  #Proportion of Data to use as training data (rest is test Data)
train <- createDataPartition(med_aggregate$Fraud, p = split, list = FALSE)

#Training parameters
ctrl <- trainControl(method = "repeatedcv", 
                     number = 5, 
                     repeats = 5,
                     sampling = "up", 
                     summaryFunction = prSummary
)

#Logistic reg
log_reg.fit <- train(
  Fraud ~. ,
  data = med_aggregate,
  subset = train,
  method = "glm",
  family = "binomial",
  metric = "AUC",
  trControl = ctrl
)

Вот образец фрейма данных / таблицы med_aggregate 

Fraud Claims_Outpatie~ Beneficiaries_O~ Beneficiaries_I~ ClaimsPerBene_I~ TotalClaimAmtRe~
   <fct>            <int>            <int>            <int>            <dbl>            <dbl>
 1 No                  21               21                0                0             6820
 2 No                   3                3                0                0              520
 3 Yes                 42               42               32                1            13480
 4 No                   7                5                0                0             1380
 5 No                   7                7                0                0             2450
 6 No                  34               33                0                0             7810
 7 No                 193              187                0                0            51400
 8 No                   4                4                0                0              510
 9 No                   5                5                0                0              250
10 No                  15               15                0                0             2450
...