Nano Hash - криптовалюты, майнинг, программирование

Ошибка в sort.list(y): «x» должен быть атомарным для «sort.list»

Я запускаю код, чтобы соответствовать анализу LASSO, но когда я запускаю код, я получаю следующую ошибку: Error in sort.list(y) : 'x' must be atomic for 'sort.list'. Может ли кто-нибудь пролить больше света на проблему?

library(caret)
set.seed(3523)
library(AppliedPredictiveModeling)
data(concrete)
inTrain = createDataPartition(concrete$CompressiveStrength, p = 3/4)[[1]]
training = concrete[ inTrain,]
testing = concrete[-inTrain,]

library(lars)
lasso <- lars(x=as.matrix(as.factor(training), 
   y=concrete$CompressiveStrength,     type="lasso", trace=FALSE,
              normalize = TRUE))
r r-caret performance sorting
31.10.2015

Ответы:


1

Я предполагаю, что последняя команда в вашем коде должна выглядеть так:

lasso <- lars(x=as.matrix(training), y=training$CompressiveStrength,     type="lasso", trace=FALSE,normalize = TRUE)
31.10.2015
  • Круто! Тогда, пожалуйста, примите этот ответ и проголосуйте, если хотите. 01.11.2015
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..