AskOverflow.Dev

AskOverflow.Dev Logo AskOverflow.Dev Logo

AskOverflow.Dev Navigation

  • Início
  • system&network
  • Ubuntu
  • Unix
  • DBA
  • Computer
  • Coding
  • LangChain

Mobile menu

Close
  • Início
  • system&network
    • Recentes
    • Highest score
    • tags
  • Ubuntu
    • Recentes
    • Highest score
    • tags
  • Unix
    • Recentes
    • tags
  • DBA
    • Recentes
    • tags
  • Computer
    • Recentes
    • tags
  • Coding
    • Recentes
    • tags
Início / coding / Perguntas / 78931395
Accepted
TarJae
TarJae
Asked: 2024-08-30 17:54:20 +0800 CST2024-08-30 17:54:20 +0800 CST 2024-08-30 17:54:20 +0800 CST

Erro em validate_column_names(): colunas obrigatórias ausentes após aplicar a receita no fluxo de trabalho Tidymodels com XGBoost

  • 772

Estou encontrando um problema ao usar tidymodels com xgboost em um fluxo de trabalho. Após aplicar uma receita que inclui step_dummy()converter variáveis ​​categóricas em variáveis ​​fictícias, recebo o seguinte erro ao tentar fazer previsões:

Error in `validate_column_names()`:
! The following required columns are missing: 'A', 'B', 'C', 'D'.

Aqui está uma versão simplificada do meu código:

library(tidymodels)
library(xgboost)
library(dplyr)

set.seed(123)
datensatz <- tibble(
  outcome = rnorm(100, mean = 60, sd = 10),
  A = factor(sample(c("h", "i", "j"), 100, replace = TRUE)),
  B = factor(sample(c("e", "f", "g"), 100, replace = TRUE)),
  C = factor(sample(1:3, 100, replace = TRUE)),
  D = factor(sample(c("a", "b"), 100, replace = TRUE))
)

# splitting
data_split <- initial_split(datensatz, prop = 0.75)
train_data <- training(data_split)
test_data <- testing(data_split)


# Rezept
recipe_obj <- recipe(outcome ~ ., data = train_data) %>%
  step_dummy(all_nominal(), -all_outcomes()) %>%  
  step_zv(all_predictors()) %>%  
  step_normalize(all_numeric_predictors())  

prepared_recipe <- prep(recipe_obj)
test_data_prepared <- bake(prepared_recipe, new_data = test_data)

# XGBoost Modell Spezifikation
xgboost_spec <- boost_tree(
  trees = 1000,                    
  tree_depth = 6,                  
  min_n = 10,                      
  loss_reduction = 0.01,           
  sample_size = 0.8,               
  mtry = 0.8,                      
  learn_rate = 0.01                
) %>%
  set_mode("regression") %>%
  set_engine("xgboost", count = FALSE, colsample_bytree = 0.8)

# Workflow
workflow_obj <- workflow() %>%
  add_recipe(recipe_obj) %>%
  add_model(xgboost_spec)

# Modell trainieren
xgboost_fit <- fit(workflow_obj, data = train_data)

# Modellvorhersage auf den vorbereiteten Testdaten
predictions <- predict(xgboost_fit, new_data = test_data_prepared)

# Ergebnisse 
predictions
# Error occurs here

Suspeito que o problema esteja relacionado ao fato de que step_dummy()remove as colunas categóricas originais (A, B, C, D)e as substitui por variáveis ​​fictícias. No entanto, o fluxo de trabalho parece esperar as colunas originais ao fazer previsões.

Como posso resolver esse problema e garantir que a etapa de previsão use corretamente as variáveis ​​fictícias criadas por step_dummy()?

Informações adicionais:

I'm using the `xgboost engine` within the `tidymodels` framework.
The error message suggests that the workflow expects the original categorical variables, but these are no longer present after applying `step_dummy()`.
  • 1 1 respostas
  • 42 Views

1 respostas

  • Voted
  1. Best Answer
    EmilHvitfeldt
    2024-08-31T03:55:09+08:002024-08-31T03:55:09+08:00

    Se você estiver usando uma receita em um fluxo de trabalho, não precisará manualmente prep()e bake()testar o conjunto de dados. Então você pode excluir as seguintes linhas

    prepared_recipe <- prep(recipe_obj)
    test_data_prepared <- bake(prepared_recipe, new_data = test_data)
    

    e prever com predict(xgboost_fit, new_data = test_data)em vez depredict(xgboost_fit, new_data = test_data_prepared)

    library(tidymodels)
    library(xgboost)
    library(dplyr)
    
    set.seed(123)
    datensatz <- tibble(
      outcome = rnorm(100, mean = 60, sd = 10),
      A = factor(sample(c("h", "i", "j"), 100, replace = TRUE)),
      B = factor(sample(c("e", "f", "g"), 100, replace = TRUE)),
      C = factor(sample(1:3, 100, replace = TRUE)),
      D = factor(sample(c("a", "b"), 100, replace = TRUE))
    )
    
    # splitting
    data_split <- initial_split(datensatz, prop = 0.75)
    train_data <- training(data_split)
    test_data <- testing(data_split)
    
    # Rezept
    recipe_obj <- recipe(outcome ~ ., data = train_data) %>%
      step_dummy(all_nominal(), -all_outcomes()) %>%  
      step_zv(all_predictors()) %>%  
      step_normalize(all_numeric_predictors())  
    
    # XGBoost Modell Spezifikation
    xgboost_spec <- boost_tree(
      trees = 1000,                    
      tree_depth = 6,                  
      min_n = 10,                      
      loss_reduction = 0.01,           
      sample_size = 0.8,               
      mtry = 0.8,                      
      learn_rate = 0.01                
    ) %>%
      set_mode("regression") %>%
      set_engine("xgboost", count = FALSE, colsample_bytree = 0.8)
    
    # Workflow
    workflow_obj <- workflow() %>%
      add_recipe(recipe_obj) %>%
      add_model(xgboost_spec)
    
    # Modell trainieren
    xgboost_fit <- fit(workflow_obj, data = train_data)
    
    # Modellvorhersage auf den vorbereiteten Testdaten
    predictions <- predict(xgboost_fit, new_data = test_data)
    
    # Ergebnisse 
    predictions
    #> # A tibble: 25 × 1
    #>    .pred
    #>    <dbl>
    #>  1  62.9
    #>  2  58.2
    #>  3  57.8
    #>  4  59.5
    #>  5  60.0
    #>  6  61.9
    #>  7  58.2
    #>  8  61.4
    #>  9  60.7
    #> 10  54.9
    #> # ℹ 15 more rows
    

    Criado em 2024-08-30 com reprex v2.1.1

    • 1

relate perguntas

  • Adicionar número de série para atividade de cópia ao blob

  • A fonte dinâmica do empacotador duplica artefatos

  • Selecione linhas por grupo com 1s consecutivos

  • Lista de chamada de API de gráfico subscritoSkus estados Privilégios insuficientes enquanto os privilégios são concedidos

  • Função para criar DFs separados com base no valor da coluna

Sidebar

Stats

  • Perguntas 205573
  • respostas 270741
  • best respostas 135370
  • utilizador 68524
  • Highest score
  • respostas
  • Marko Smith

    Vue 3: Erro na criação "Identificador esperado, mas encontrado 'import'" [duplicado]

    • 1 respostas
  • Marko Smith

    Por que esse código Java simples e pequeno roda 30x mais rápido em todas as JVMs Graal, mas não em nenhuma JVM Oracle?

    • 1 respostas
  • Marko Smith

    Qual é o propósito de `enum class` com um tipo subjacente especificado, mas sem enumeradores?

    • 1 respostas
  • Marko Smith

    Como faço para corrigir um erro MODULE_NOT_FOUND para um módulo que não importei manualmente?

    • 6 respostas
  • Marko Smith

    `(expression, lvalue) = rvalue` é uma atribuição válida em C ou C++? Por que alguns compiladores aceitam/rejeitam isso?

    • 3 respostas
  • Marko Smith

    Quando devo usar um std::inplace_vector em vez de um std::vector?

    • 3 respostas
  • Marko Smith

    Um programa vazio que não faz nada em C++ precisa de um heap de 204 KB, mas não em C

    • 1 respostas
  • Marko Smith

    PowerBI atualmente quebrado com BigQuery: problema de driver Simba com atualização do Windows

    • 2 respostas
  • Marko Smith

    AdMob: MobileAds.initialize() - "java.lang.Integer não pode ser convertido em java.lang.String" para alguns dispositivos

    • 1 respostas
  • Marko Smith

    Estou tentando fazer o jogo pacman usando apenas o módulo Turtle Random e Math

    • 1 respostas
  • Martin Hope
    Aleksandr Dubinsky Por que a correspondência de padrões com o switch no InetAddress falha com 'não cobre todos os valores de entrada possíveis'? 2024-12-23 06:56:21 +0800 CST
  • Martin Hope
    Phillip Borge Por que esse código Java simples e pequeno roda 30x mais rápido em todas as JVMs Graal, mas não em nenhuma JVM Oracle? 2024-12-12 20:46:46 +0800 CST
  • Martin Hope
    Oodini Qual é o propósito de `enum class` com um tipo subjacente especificado, mas sem enumeradores? 2024-12-12 06:27:11 +0800 CST
  • Martin Hope
    sleeptightAnsiC `(expression, lvalue) = rvalue` é uma atribuição válida em C ou C++? Por que alguns compiladores aceitam/rejeitam isso? 2024-11-09 07:18:53 +0800 CST
  • Martin Hope
    The Mad Gamer Quando devo usar um std::inplace_vector em vez de um std::vector? 2024-10-29 23:01:00 +0800 CST
  • Martin Hope
    Chad Feller O ponto e vírgula agora é opcional em condicionais bash com [[ .. ]] na versão 5.2? 2024-10-21 05:50:33 +0800 CST
  • Martin Hope
    Wrench Por que um traço duplo (--) faz com que esta cláusula MariaDB seja avaliada como verdadeira? 2024-05-05 13:37:20 +0800 CST
  • Martin Hope
    Waket Zheng Por que `dict(id=1, **{'id': 2})` às vezes gera `KeyError: 'id'` em vez de um TypeError? 2024-05-04 14:19:19 +0800 CST
  • Martin Hope
    user924 AdMob: MobileAds.initialize() - "java.lang.Integer não pode ser convertido em java.lang.String" para alguns dispositivos 2024-03-20 03:12:31 +0800 CST
  • Martin Hope
    MarkB Por que o GCC gera código que executa condicionalmente uma implementação SIMD? 2024-02-17 06:17:14 +0800 CST

Hot tag

python javascript c++ c# java typescript sql reactjs html

Explore

  • Início
  • Perguntas
    • Recentes
    • Highest score
  • tag
  • help

Footer

AskOverflow.Dev

About Us

  • About Us
  • Contact Us

Legal Stuff

  • Privacy Policy

Language

  • Pt
  • Server
  • Unix

© 2023 AskOverflow.DEV All Rights Reserve