Я пытаюсь следовать этому руководству здесь — https://juliasilge.com/blog/xgboost-tune-volleyball/
Я использую его в самом последнем наборе данных Tidy Tuesday о рыбалке в великих озерах — пытаюсь предсказать влияние на основе многих других значений.
ВСЕ приведенный ниже код работает, кроме последней строки, где я получаю следующую ошибку:
> final_res <- last_fit(final_xgb, stock_folds) Error: Each element of `splits` must be an `rsplit` object.
Я поискал эту ошибку и попал на эту страницу — https://github.com/tidymodels/rsample/issues/175 На этом сайте это называется ошибкой и, кажется, исправлено, но я использую именно initial_time_split, а не initial_split. Я бы предпочел не менять его, потому что тогда мне пришлось бы повторно запускать xgboost, что заняло 9 часов. Что здесь пошло не так?
# Setup —- library(tidyverse) library(tidymodels) stocked <- readr::read_csv(‘https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2021/2021-06-08/stocked.csv’) stocked_modeling <- stocked %>% mutate(AGENCY = case_when( AGENCY != «OMNR» ~ «other», TRUE ~ AGENCY )) %>% select(-SID, -MONTH, -DAY, -LATITUDE, -LONGITUDE, -GRID, -STRAIN, -AGEMONTH, -MARK_EFF, -TAG_NO, -TAG_RET, -LENGTH, -WEIGHT, — CONDITION, -LOT_CODE, -NOTES, — VALIDATION, -LS_MGMT, -STAT_DIST, -ST_SITE, -YEAR_CLASS, -STOCK_METH) %>% mutate_if(is.character, factor) %>% drop_na() # Start making model —- set.seed(123) stock_split <- initial_split(stocked_modeling, strata = AGENCY) stock_train <- training(stock_split) stock_test <- testing(stock_split) xgb_spec <- boost_tree( trees = 1000, tree_depth = tune(), min_n = tune(), loss_reduction = tune(), sample_size = tune(), mtry = tune(), learn_rate = tune() ) %>% set_engine(«xgboost») %>% set_mode(«classification») xgb_grid <- grid_latin_hypercube( tree_depth(), min_n(), loss_reduction(), sample_size = sample_prop(), finalize(mtry(), stock_train), learn_rate(), size = 20 ) xgb_workflow <- workflow() %>% add_formula(AGENCY ~ .) %>% add_model(xgb_spec) set.seed(123) stock_folds <- vfold_cv(stock_train, strata = AGENCY) doParallel::registerDoParallel() # BEWARE, THIS CODE BELOW TOOK 9 HOURS TO RUN set.seed(234) xgb_res <- tune_grid( xgb_workflow, resamples = stock_folds, grid = xgb_grid, control = control_grid(save_pred = TRUE) ) # Explore results best_auc <- select_best(xgb_res, «roc_auc») final_xgb <- finalize_workflow( xgb_workflow, best_auc) final_res <- last_fit(final_xgb, stock_folds)
Источник: