我正在使用 cv.glmnet() 进行交叉验证，默认情况下是 10折

library(Matrix)library(tm)library(glmnet)library(e1071)library(SparseM)library(ggplot2)trainingData <- read.csv("train.csv", stringsAsFactors=FALSE,sep=",", header = FALSE)testingData  <- read.csv("test.csv",sep=",", stringsAsFactors=FALSE, header = FALSE)x = model.matrix(as.factor(V42)~.-1, data = trainingData)crossVal <- cv.glmnet(x=x, y=trainingData$V42, family="multinomial", alpha=1)plot(crossVal)

我遇到了以下错误信息

Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  :   one multinomial or binomial class has 1 or 0 observations; not allowed

但如下面所示，我似乎没有观察值的计数为 0 或 1 的情况。

>table(trainingData$V42)       back buffer_overflow       ftp_write    guess_passwd            imap         ipsweep            land      loadmodule        multihop         956              30               8              53              11            3599              18               9               7     neptune            nmap          normal            perl             phf             pod       portsweep         rootkit           satan       41214            1493           67343               3               4             201            2931              10            3633       smurf             spy        teardrop     warezclient     warezmaster        2646               2             892             890              20 

有什么建议吗？

回答：

cv.glmnet 默认情况下进行N折交叉验证，N=10。这意味着它将数据分成10个子集，然后在其中的9个子集上训练模型，并在剩下的1个子集上进行测试。它会重复这个过程，依次排除每个子集。

你的数据足够稀疏，以至于有时训练子集会遇到这里遇到的问题（以及在你之前的问题中）。最好的解决方案是通过合并较少见的类别来减少响应中的类别数量（例如，你真的需要为 spy 或 perl 获得预测概率吗）。

另外，如果你在进行glmnet交叉验证并构建模型矩阵，你可以使用我编写的glmnetUtils包来简化这个过程。