如何解决用于在 train() 内部规范化 X 和分类 Y 的自定义预处理
我有数据,我想使用插入符号运行树模型。我有因子变量 F1 F2
,我想用它来预测我的 Y_bucket
变量 (Y_bucket ~ F1 + F2)
。但是我的 Y_bucket
变量是通过取我的数据 Xs
中归一化 (Y = mean(X1,X2))
的平均值并根据它落在 Ys {{ 1}}。
我想使用重复的交叉验证来训练我的模型,但是每次迭代时,我都需要它来重新规范化我的 Y
,计算我的 (i.e. Y > mean(Y) + 1sigma(Y): Y_bucket = "high" Y < mean(Y) - 1sigma(Y): Y_bucket = "low" else: "core")
并重新分类它们在上面的训练和保留样本中都进入 Xs
。在 Ys
函数中是否有这样做的方法,以便可以在训练模型之前完成这种类型的自定义预处理?
这里有一些 R 代码可以帮助您,基本上我希望步骤 2) - 4) 在 5) 的每次迭代中执行:
Y_bucket
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。