我需要快速帮助。我一直在尝试简单地应用GBM，但遇到了一个我无法解决的错误。请帮助我。使用的数据集可以在’https://www.kaggle.com/c/boston-housing/data‘找到 代码如下：

data1 <- read.csv("train.csv") data2 <- read.csv("test.csv") data2$medv<- NAGBM library(caret) library(gbm) fitControl <- trainControl(method = "cv", number = 10) tune_Grid <- expand.grid(interaction.depth = 2, n.trees = 500, shrinkage = 0.1, n.minobsinnode = 10)set.seed(825) fit <- train(medv ~ ., data = data1, method = "gbm", trControl = fitControl, verbose = FALSE, tuneGrid = tune_Grid)

到这里一切正常。问题发生在预测时。

predicted <- predict(fit,data2,type= "prob")> predicted <- predict(fit,data2,type= "prob") Error in [.data.frame(out, , obsLevels, drop = FALSE) : undefined columns selected

然而，如果我移除type参数，就不会有任何错误地工作。

predicted <- predict(fit,data2)> predicted <- predict(fit,data2) >

请帮助我找出我遗漏了什么。

谢谢，Priyank

回答：

波士顿房价数据中的medv不是类别向量，而是一个连续结果。

train$medv[1:20][1] 24.0 21.6 33.4 36.2 22.9 15.0 18.9 21.7 20.4 18.2 19.9 23.1 20.2 13.6 19.6 15.2 14.5 14.8 12.7 14.5

当设置type = "probs"时，caret函数predict.train会输出一个类别概率的数据框。对于连续变量来说，这没有意义，因此会返回错误。通常，对于连续结果的模型性能评估使用RMSE（均方根误差），你可以使用caret函数postResample来计算。

postResample:给定两个数值向量的数据，计算均方误差和R平方。对于两个因子，确定总体一致率和Kappa值。