Gracias Carlos. Hasta donde yo entiendo si las hay:
El argumento family puede ser:
"gaussian" (for minimizing squared error); por lo que tiene que ser
numérica
"bernoulli" (logistic regression for 0-1 out-comes); binaria por
narices
"poisson" (count outcomes; requires the response to be a positive
integer); numérica también, pues.
La única podría ser "laplace" (for minimizing absolute loss), pero me
da este error: Error in while (delta.deviance > tolerance.test &
n.fitted < max.trees) { :
missing value where TRUE/FALSE needed
Supongo que loss se refiere a la función de pérdida, y como habla de
deviance (la función de pérdida por defecto en gbm) pienso que también
es para variable respuesta numérica, aunque no lo encontré por ningún
lado. Por eso pregunté.
Probaré sin indicar la family, a ver si funciona.
Gracias,
Manuel
Quoting Carlos Ortega <cof en qualityexcellence.es>:
> Hola,
>
> No hay ninguna limitación en la ayuda de la función en este sentido.
> Tan solo se indica que han de existir dos niveles en la variable
> predictora, vaya que al menos sea binaria...
> En la función en el parámetro "gbm.y" es donde indicas qué
columna es la
> predictora. No hay otro parámetro donde por otro lado le indiques si es un
> modelo binario o multinominal...
>
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
>
>
> 2018-02-19 14:03 GMT+01:00 Manuel Mendoza <mmendoza en mncn.csic.es>:
>
>> Hola erreros, ¿sabéis si gbm.step puede usarse para clasificación no
>> binaria?
>> Gracias
>> --
>> Dr Manuel Mendoza
>> Department of Biogeography and Global Change
>> National Museum of Natural History (MNCN)
>> Spanish Scientific Council (CSIC)
>> C/ Serrano 115bis, 28006 MADRID
>> Spain
>>
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es en r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>
>
>
>
> --
> Saludos,
> Carlos Ortega
> www.qualityexcellence.es
--
Dr Manuel Mendoza
Department of Biogeography and Global Change
National Museum of Natural History (MNCN)
Spanish Scientific Council (CSIC)
C/ Serrano 115bis, 28006 MADRID
Spain