Hola, ¿Cómo es de grande el conjunto que estás modelizando?. Aunque liquidSVM es menos intenso en necesidades de máquina que SVM, fíjate que estás explorando un número muy grande de combinaciones y es muy probable que te estés quedando sin recursos. Abre en la ejecución
*gammas = c(0.0001,0.001,0.04,0.1,50, 1,10, 100), c_values = c(0.00001, 0.0001, 0.001,1,10,25,50)* Te sugeriría que probaras varias cosas: - Primero reduce el número de gammas y c_values a tres valores cada uno o un par. Puedes utilizar un valor muy pequeño, otro intermedio y otro grande y así comenzar a ver cómo se comporta el modelo. - Y si lo anterior tampoco funciona, reduce el número del conjunto "trainning". Haz un muestreo quedándote con el 80% de filas y baja si no funciona. Saludos, Carlos Ortega www.qualityexcellence.es 2018-02-18 11:22 GMT+01:00 Alberto <alpeda...@hotmail.com>: > Hola a todos, > > cada vez que intento ejecutar el código adjuntado cuando llego al comando > de predict() salta un pop-up de R diciendo 'R encountered a fatal error'. > No se donde puede estar el fallo y no entiendo tampoco por qué pasa esto > puesto que a mi parecer el código está bien. Alguna idea de cual puede ser > el problema? > > Muchas gracias! > > set.seed(6) > > model <- init.liquidSVM(Casualty_Severity~Vehicle_Type+Vehicle_ > Manoeuvre+Junction_Location+Skidding_and_Overturning+Hit_ > Object_off_Carriageway+First_Point_of_Impact+Journey_ > Purpose_of_Driver+Sex_of_Driver+Age_Band_of_Driver+Propulsion_Code+Age_of_ > Vehicle+Driver_Home_Area_Type+Sex_of_Casualty+Age_Band_of_ > Casualty+Car_Passenger+Casualty_Type+Number_of_Vehicles+Hour_of_Day+First_ > Road_Class+Road_Type+Speed_limit+Junction_Detail+Light_ > Conditions+Weather_Conditions+Road_Surface_Conditions+Urban_ > or_Rural_Area+month+other_vehic, trainning, threads = -1, gammas = > c(0.0001,0.001,0.04,0.1,50, 1,10, 100), c_values = c(0.00001, 0.0001, > 0.001,1,10,25,50)) > > trainSVMs(model, threads = -1, gammas = c(0.0001,0.001,0.04,0.1,50, 1,10, > 100), c_values = c(0.00001, 0.0001, 0.001,1,10,25,50), solver = 'ls', > command.args=list(L=2, T=-1, d=1)) > > selectSVMs(model) > > svm.probs <- predict(model, type = 'response', newdata = tst) > > > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > -- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]] _______________________________________________ R-help-es mailing list R-help-es@r-project.org https://stat.ethz.ch/mailman/listinfo/r-help-es
