我正试图用LOESS ( )对广义加成模型进行5倍交叉验证。gamLoess 来自 gam 包），使用 caret 包。我想测试所有可能的学位选项(即, degree= 0，1和2）。) 问题是 R 崩溃，当我使用 degree=2. 我以前也见过类似的问题(例如, 当使用caret和method=gamLoess进行训练时，R会崩溃)，但我不明白如何解决它。它看起来像一个bug，在 gam 包。有没有解决这个问题？
我的代码是。
#The data
turning_rate_4954
# A tibble: 100 x 2
Time_s turn_rate_dgs_s
<dbl> <dbl>
1 0 0
2 0.00416 115.
3 0.00832 559.
4 0.0125 935.
5 0.0166 986.
6 0.0208 1606.
7 0.0250 1578.
8 0.0291 2195.
9 0.0333 1178.
10 0.0374 1699.
11 0.0416 1875.
12 0.0458 1648.
13 0.0499 1597.
14 0.0541 2239.
15 0.0582 2221.
16 0.0624 2278.
17 0.0666 1783.
18 0.0707 1678.
19 0.0749 1747.
20 0.0790 1479.
21 0.0832 2035.
22 0.0874 2378.
23 0.0915 1826.
24 0.0957 1659.
25 0.0998 2344.
26 0.104 1839.
27 0.108 1044.
28 0.112 1789.
29 0.116 721.
30 0.121 946.
31 0.125 143.
32 0.129 376.
33 0.133 0
34 0.137 -418.
35 0.141 127.
36 0.146 -1053.
37 0.150 -535.
38 0.154 87.4
39 0.158 -437.
40 0.162 -730.
41 0.166 -441.
42 0.171 -553.
43 0.175 -893.
44 0.179 -694.
45 0.183 -847.
46 0.187 313.
47 0.191 581.
48 0.196 1121.
49 0.200 1753.
50 0.204 1504.
51 0.208 1185.
52 0.212 1659.
53 0.216 802.
54 0.220 1570.
55 0.225 1521.
56 0.229 1620.
57 0.233 732.
58 0.237 1263.
59 0.241 1590.
60 0.245 1279.
61 0.250 1133.
62 0.254 -187.
63 0.258 187.
64 0.262 165.
65 0.266 183.
66 0.270 -507.
67 0.275 0
68 0.279 -376.
69 0.283 376.
70 0.287 -492.
71 0.291 -147.
72 0.295 -468.
73 0.300 -322.
74 0.304 -122.
75 0.308 -273.
76 0.312 139.
77 0.316 615.
78 0.320 346.
79 0.324 1011.
80 0.329 1114.
81 0.333 1315.
82 0.337 737.
83 0.341 858.
84 0.345 1374.
85 0.349 816.
86 0.354 488.
87 0.358 979.
88 0.362 69.2
89 0.366 304.
90 0.370 622.
91 0.374 -195.
92 0.379 497.
93 0.383 -199.
94 0.387 492.
95 0.391 40.6
96 0.395 170.
97 0.399 -39.0
98 0.404 -258.
99 0.408 0
100 0.412 258.
#Cross Validation
library(caret)
library(gam)
#Control to get a 5-fold cross validation, 10 samples using 10% of the observation each
control <- trainControl(method= "cv",
number= 5,
p= 0.9,
savePrediction= T )
grid <- expand.grid(span = seq(0.1, 0.65, len = 10),
degree = c(0,1,2) )
train_loess <- train(turn_rate_dgs_s ~ Time_s,
method = "gamLoess",
tuneGrid = grid,
trControl= control,
data = turning_rate_4954)
我曾经做过一次，包括2度，但无法保存结果在这里显示。不过再也没有用过，只是如果我做的是为 degree=(0,1)，然后就可以正常工作了。
我使用的是
R 3.6.2版本
caret 版本6.0.86
gam 版本1.16.1
Mac OS Mojave 10.14.6
会话信息来自 sessionInfo()
> sessionInfo()
R version 3.6.2 (2019-12-12)
Platform: x86_64-apple-darwin15.6.0 (64-bit)
Running under: macOS Mojave 10.14.6
Matrix products: default
BLAS: /Library/Frameworks/R.framework/Versions/3.6/Resources/lib/libRblas.0.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/3.6/Resources/lib/libRlapack.dylib
locale:
[1] en_NZ.UTF-8/en_NZ.UTF-8/en_NZ.UTF-8/C/en_NZ.UTF-8/en_NZ.UTF-8
attached base packages:
[1] splines stats graphics grDevices utils datasets methods base
other attached packages:
[1] gam_1.16.1 foreach_1.5.0 caret_6.0-86 lattice_0.20-38 fANCOVA_0.5-1 readxl_1.3.1 patchwork_1.0.0 viridis_0.5.1
[9] viridisLite_0.3.0 forcats_0.5.0 stringr_1.4.0 purrr_0.3.4 readr_1.3.1 tidyr_1.1.0 tibble_3.0.1 ggplot2_3.3.1
[17] tidyverse_1.3.0 dplyr_1.0.0 plyr_1.8.6
loaded via a namespace (and not attached):
[1] Rcpp_1.0.4 lubridate_1.7.8 class_7.3-15 assertthat_0.2.1 ipred_0.9-9 utf8_1.1.4 R6_2.4.1
[8] cellranger_1.1.0 backports_1.1.7 stats4_3.6.2 reprex_0.3.0 httr_1.4.1 pillar_1.4.4 rlang_0.4.6
[15] rematch_1.0.1 data.table_1.12.8 rstudioapi_0.11 blob_1.2.1 rpart_4.1-15 Matrix_1.2-18 gower_0.2.1
[22] munsell_0.5.0 broom_0.5.6 compiler_3.6.2 modelr_0.1.8 pkgconfig_2.0.3 nnet_7.3-12 tidyselect_1.1.0
[29] prodlim_2019.11.13 gridExtra_2.3 codetools_0.2-16 fansi_0.4.1 crayon_1.3.4 dbplyr_1.4.4 withr_2.2.0
[36] ModelMetrics_1.2.2.2 MASS_7.3-51.4 recipes_0.1.12 grid_3.6.2 nlme_3.1-142 jsonlite_1.6.1 gtable_0.3.0
[43] lifecycle_0.2.0 DBI_1.1.0 magrittr_1.5 pROC_1.16.2 scales_1.1.1 cli_2.0.2 stringi_1.4.6
[50] reshape2_1.4.4 fs_1.4.1 timeDate_3043.102 xml2_1.3.2 ellipsis_0.3.1 generics_0.0.2 vctrs_0.3.0
[57] lava_1.6.7 iterators_1.0.12 tools_3.6.2 glue_1.4.1 hms_0.5.3 survival_3.1-8 colorspace_1.4-1
[64] rvest_0.3.5 haven_2.3.1
>
不是对原始问题的回答，而是对Todd Burus的评论。特别是关于警告的问题（见评论）。不知道这一切是否能与segfault（和R崩溃）问题有关。
当使用度数0和1时（没有让R使用度数=2时崩溃），就像这样。
grid <- expand.grid(span = seq(0.1, 0.65, len = 10),
degree = seq(0,1, len=2) )
train_loess <- train(turn_rate_dgs_s ~ Time_s,
method = "gamLoess",
tuneGrid = grid,
trControl= control,
data = turning_rate_4954)
警告
In lo.wam(x, z, wz, fit$smooth, which, fit$smooth.frame, ... :
degree must be at least 1 for vertex influence matrix
是通过不使用degree=0来解决的，因为在 gam.lo 度仅限于1和2。与之相反的是 stats::loess 其中，你可以使用0、1或2（但请参见 ?loess).
当只使用 degree=1 仍然有一些警告。但我不明白这些警告是什么，也不知道这和原来的问题有什么关系，关于segfault(gam 虫）。)
1: In model.matrix.default(mt, mf, contrasts) :
non-list contrasts argument ignored
2: In gam.lo(data[["lo(Time_s, span = 0.1, degree = 1)"]], ... : eval 0
3: In gam.lo(data[["lo(Time_s, span = 0.1, degree = 1)"]], ... :
lowerlimit 0.0021424
4: In gam.lo(data[["lo(Time_s, span = 0.1, degree = 1)"]], ... :
extrapolation not allowed with blending
5: In gam.lo(data[["lo(Time_s, span = 0.1, degree = 1)"]], ... : eval 0.41184
6: In gam.lo(data[["lo(Time_s, span = 0.1, degree = 1)"]], ... : upperlimit 0.4097