对于 >2 个类别的结果，插入符训练方法不起作用（所有准确性结果都有问题）

嗨，我知道之前有人问过类似的问题，但还没有明确的答案（或者我尝试了他们的解决方案但没有成功：使用 GBM 时出现插入符错误，但并非没有插入符 插入符训练方法抱怨有问题；所有 RMSE 指标值均缺失 )

我尝试使用插入符训练方法来预测分类结果（下面的在线数据示例）

library(mlbench)
data(Sonar)
str(Sonar[, 1:10])

library(caret)
set.seed(998)

Sonar$rand<-rnorm(nrow(Sonar))  ##to randomly create the new 3-category outcome
table(Sonar$rand)
Sonar$Class_new<-ifelse(Sonar$Class=="R","R",ifelse(Sonar$rand>0,"M","H"))
table(Sonar$Class_new)

fitControl <- trainControl(## 10-fold CV
                           method = "repeatedcv",
                           number = 10,
                           ## repeated ten times
                           repeats = 10)

inTraining <- createDataPartition(Sonar$Class_new, p = .75, list = FALSE)
training <- Sonar[ inTraining,]
testing  <- Sonar[-inTraining,]

gbmFit1 <- train(Class_new ~ ., data = training,
                 method = "gbm",
                 trControl = fitControl,
                 verbose = FALSE)

每当我使用新的类变量（Class_new）有 3 个类别，而不是原来的 2 个类别Class变量，我收到下面的警告。它在 2 个类别结果变量下运行良好。无论火车方式如何，情况都是相同的（我尝试过rf, gbm，svm，都一样）

出了问题；缺少所有准确度指标值：

    Accuracy       Kappa    
 Min.   : NA   Min.   : NA  
 1st Qu.: NA   1st Qu.: NA  
 Median : NA   Median : NA  
 Mean   :NaN   Mean   :NaN  
 3rd Qu.: NA   3rd Qu.: NA  
 Max.   : NA   Max.   : NA  
 NA's   :9     NA's   :9    

train.default(x, y, Weights = w, ...) 中的错误：停止
另外： 警告消息：
1：在train.default（x，y，权重= w，...）中：
指标“RMSE”不在结果集中。将使用准确度来代替。
2：在nominalTrainWorkflow（x = x，y = y，wts =权重，info = trainInfo，：
重新抽样的绩效指标中存在缺失值。

非常感谢对此的任何帮助！

您需要将新创建的Class_new为一个因子，如下：

Sonar$Class_new<-ifelse(Sonar$Class=="R","R",ifelse(Sonar$rand>0,"M","H"))
Sonar$Class_new <- factor(Sonar$Class_new)

另外，您可能想删除变量Class and rand来自您的训练和测试数据集。你可以这样做：

training <- Sonar[ inTraining, !(names(Sonar) %in% c("Class", "rand"))]
testing <- Sonar[-inTraining, !(names(Sonar) %in% c("Class", "rand"))]