Analysis on House Price Evaluation
S.Nagaraja
2022-10-25
knitr::opts_chunk$set(echo = TRUE)
Data Count and Exploration
=================================================================================
rows
---------------------------------------------------------------------------------
## Descriptives AND EDA
```r
Real_Estate_1=Real_Estate[-1]
str(Real_Estate_1)## 'data.frame': 414 obs. of 7 variables:
## $ X1.transaction.date : num 2013 2013 2014 2014 2013 ...
## $ X2.house.age : num 32 19.5 13.3 13.3 5 7.1 34.5 20.3 31.7 17.9 ...
## $ X3.distance.to.the.nearest.MRT.station: num 84.9 306.6 562 562 390.6 ...
## $ X4.number.of.convenience.stores : int 10 9 5 5 5 3 7 6 1 3 ...
## $ X5.latitude : num 25 25 25 25 25 ...
## $ X6.longitude : num 122 122 122 122 122 ...
## $ Y.house.price.of.unit.area : num 37.9 42.2 47.3 54.8 43.1 32.1 40.3 46.7 18.8 22.1 ...summary(Real_Estate_1)## X1.transaction.date X2.house.age X3.distance.to.the.nearest.MRT.station
## Min. :2013 Min. : 0.000 Min. : 23.38
## 1st Qu.:2013 1st Qu.: 9.025 1st Qu.: 289.32
## Median :2013 Median :16.100 Median : 492.23
## Mean :2013 Mean :17.713 Mean :1083.89
## 3rd Qu.:2013 3rd Qu.:28.150 3rd Qu.:1454.28
## Max. :2014 Max. :43.800 Max. :6488.02
## X4.number.of.convenience.stores X5.latitude X6.longitude
## Min. : 0.000 Min. :24.93 Min. :121.5
## 1st Qu.: 1.000 1st Qu.:24.96 1st Qu.:121.5
## Median : 4.000 Median :24.97 Median :121.5
## Mean : 4.094 Mean :24.97 Mean :121.5
## 3rd Qu.: 6.000 3rd Qu.:24.98 3rd Qu.:121.5
## Max. :10.000 Max. :25.01 Max. :121.6
## Y.house.price.of.unit.area
## Min. : 7.60
## 1st Qu.: 27.70
## Median : 38.45
## Mean : 37.98
## 3rd Qu.: 46.60
## Max. :117.50colSums(is.na(Real_Estate_1))## X1.transaction.date X2.house.age
## 0 0
## X3.distance.to.the.nearest.MRT.station X4.number.of.convenience.stores
## 0 0
## X5.latitude X6.longitude
## 0 0
## Y.house.price.of.unit.area
## 0colSums(Real_Estate_1=="")## X1.transaction.date X2.house.age
## 0 0
## X3.distance.to.the.nearest.MRT.station X4.number.of.convenience.stores
## 0 0
## X5.latitude X6.longitude
## 0 0
## Y.house.price.of.unit.area
## 0plot_intro(Real_Estate_1)
plot_correlation(Real_Estate_1)
ReName the variables
Real_Estate_2=Real_Estate_1%>%rename(transaction_date=X1.transaction.date,House_age=X2.house.age,Distance_to_NearestMRT_station=X3.distance.to.the.nearest.MRT.station,Number_convenience_Stores=X4.number.of.convenience.stores,Latitude=X5.latitude,Longitude=X6.longitude,House_price_Area=Y.house.price.of.unit.area )
names(Real_Estate_2)## [1] "transaction_date" "House_age"
## [3] "Distance_to_NearestMRT_station" "Number_convenience_Stores"
## [5] "Latitude" "Longitude"
## [7] "House_price_Area"Data partition By Real Estate
Train=createDataPartition(y=Real_Estate_2$House_price_Area,p=0.9,list=F)
training=Real_Estate_2[Train,]
testing=Real_Estate_2[-Train,]
ctrl=trainControl(method="repeatedcv",repeats = 3,number = 10)Applying all suitable ML models in that selecting appropriate ML model.
Model_Reg=train(House_price_Area~.,data=training,method="lm",trControl=ctrl,preProcess=c("center","scale"))
Model_knn=train(House_price_Area~.,data=training,method="knn",trControl=ctrl,preProcess=c("center","scale"))
Model_tree=train(House_price_Area~.,data=training,method="rpart",trControl=ctrl,preProcess=c("center","scale"))## Warning in nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo, :
## There were missing values in resampled performance measures.Model_Rf=train(House_price_Area~.,data=training,method="rf",trControl=ctrl,preProcess=c("center","scale"))
Model_svm=train(House_price_Area~.,data=training,method="svmLinear",trControl=ctrl,preProcess=c("center","scale"))
Model_gbm=train(House_price_Area~.,data=training,method="gbm",trControl=ctrl,preProcess=c("center","scale"))## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 173.8574 nan 0.1000 16.8317
## 2 157.8133 nan 0.1000 14.0348
## 3 145.8205 nan 0.1000 11.2588
## 4 135.8438 nan 0.1000 9.1254
## 5 126.5007 nan 0.1000 7.1449
## 6 118.4296 nan 0.1000 6.7285
## 7 112.2534 nan 0.1000 5.4733
## 8 107.9985 nan 0.1000 4.1323
## 9 103.1003 nan 0.1000 3.6576
## 10 98.4157 nan 0.1000 3.5300
## 20 72.2596 nan 0.1000 1.4370
## 40 55.4523 nan 0.1000 0.1034
## 60 51.0776 nan 0.1000 -0.3135
## 80 49.2429 nan 0.1000 -0.2175
## 100 48.2211 nan 0.1000 -0.3117
## 120 46.9564 nan 0.1000 -0.1079
## 140 46.1809 nan 0.1000 -0.0454
## 150 45.7589 nan 0.1000 -0.1203
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 172.1182 nan 0.1000 21.3620
## 2 154.1036 nan 0.1000 17.7268
## 3 139.8302 nan 0.1000 14.8404
## 4 127.4832 nan 0.1000 10.1846
## 5 118.0092 nan 0.1000 8.8529
## 6 109.2443 nan 0.1000 7.2148
## 7 102.3536 nan 0.1000 5.4723
## 8 96.9348 nan 0.1000 5.7208
## 9 91.0056 nan 0.1000 5.1516
## 10 86.7034 nan 0.1000 4.1289
## 20 60.8878 nan 0.1000 0.9978
## 40 47.6852 nan 0.1000 -0.2054
## 60 43.2226 nan 0.1000 -0.2876
## 80 40.4593 nan 0.1000 -0.2426
## 100 38.3699 nan 0.1000 -0.1202
## 120 36.4864 nan 0.1000 -0.2775
## 140 34.3031 nan 0.1000 -0.1013
## 150 33.6111 nan 0.1000 -0.3656
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 166.8017 nan 0.1000 21.2540
## 2 148.9016 nan 0.1000 16.9888
## 3 133.7625 nan 0.1000 16.1216
## 4 122.0967 nan 0.1000 10.8723
## 5 111.6798 nan 0.1000 9.6732
## 6 104.0545 nan 0.1000 7.4084
## 7 96.5949 nan 0.1000 5.1185
## 8 89.4511 nan 0.1000 4.5392
## 9 83.3575 nan 0.1000 3.9967
## 10 78.4522 nan 0.1000 5.1575
## 20 54.9571 nan 0.1000 0.5653
## 40 43.3863 nan 0.1000 -0.2942
## 60 38.7072 nan 0.1000 -0.2989
## 80 35.2495 nan 0.1000 0.0337
## 100 32.5927 nan 0.1000 -0.4468
## 120 29.8899 nan 0.1000 -0.3365
## 140 27.9299 nan 0.1000 -0.1631
## 150 27.0354 nan 0.1000 -0.3622
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.5016 nan 0.1000 16.6025
## 2 153.8749 nan 0.1000 14.5555
## 3 142.3491 nan 0.1000 10.9536
## 4 135.3820 nan 0.1000 4.8853
## 5 124.9373 nan 0.1000 7.7614
## 6 117.4740 nan 0.1000 6.3481
## 7 111.9039 nan 0.1000 4.9758
## 8 105.5004 nan 0.1000 4.6767
## 9 100.7879 nan 0.1000 4.4666
## 10 96.5012 nan 0.1000 4.0949
## 20 71.6219 nan 0.1000 1.1523
## 40 55.4570 nan 0.1000 0.1539
## 60 50.7792 nan 0.1000 0.0367
## 80 48.9860 nan 0.1000 -0.1659
## 100 47.8984 nan 0.1000 -0.1471
## 120 46.9619 nan 0.1000 -0.0306
## 140 46.1022 nan 0.1000 -0.1518
## 150 45.6637 nan 0.1000 -0.3678
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.6064 nan 0.1000 20.6008
## 2 148.6068 nan 0.1000 14.6665
## 3 134.5082 nan 0.1000 12.8639
## 4 122.6541 nan 0.1000 8.9622
## 5 112.5659 nan 0.1000 9.6514
## 6 103.9603 nan 0.1000 7.3454
## 7 97.1966 nan 0.1000 6.3107
## 8 92.3739 nan 0.1000 3.9353
## 9 87.7380 nan 0.1000 3.9188
## 10 82.9895 nan 0.1000 4.1475
## 20 58.9195 nan 0.1000 0.6794
## 40 46.8424 nan 0.1000 -0.2068
## 60 43.1109 nan 0.1000 -0.0708
## 80 40.1380 nan 0.1000 -0.1378
## 100 38.0571 nan 0.1000 -0.1217
## 120 36.5832 nan 0.1000 -0.2961
## 140 35.1085 nan 0.1000 -0.3096
## 150 34.4456 nan 0.1000 -0.1559
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 162.8497 nan 0.1000 21.6110
## 2 144.2104 nan 0.1000 15.6890
## 3 129.6890 nan 0.1000 14.7729
## 4 118.0232 nan 0.1000 11.8362
## 5 108.3447 nan 0.1000 9.6706
## 6 99.3288 nan 0.1000 8.8905
## 7 92.2055 nan 0.1000 6.5719
## 8 86.1906 nan 0.1000 4.1362
## 9 81.3363 nan 0.1000 4.7121
## 10 76.6514 nan 0.1000 3.1463
## 20 54.0556 nan 0.1000 0.9715
## 40 42.0906 nan 0.1000 -0.1059
## 60 38.7524 nan 0.1000 -0.2135
## 80 35.7571 nan 0.1000 -0.5726
## 100 32.4736 nan 0.1000 -0.1414
## 120 29.8581 nan 0.1000 -0.3341
## 140 27.6404 nan 0.1000 -0.3621
## 150 26.6246 nan 0.1000 -0.2560
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 174.6188 nan 0.1000 17.8243
## 2 161.6744 nan 0.1000 15.1034
## 3 148.5822 nan 0.1000 11.6880
## 4 137.8196 nan 0.1000 10.3375
## 5 128.2781 nan 0.1000 8.6985
## 6 122.0693 nan 0.1000 7.1427
## 7 114.9404 nan 0.1000 6.5592
## 8 109.4786 nan 0.1000 4.4154
## 9 103.9371 nan 0.1000 4.7396
## 10 99.6796 nan 0.1000 3.6243
## 20 72.1751 nan 0.1000 0.7695
## 40 56.8030 nan 0.1000 -0.0360
## 60 52.5156 nan 0.1000 -0.2096
## 80 50.4362 nan 0.1000 -0.0864
## 100 48.9537 nan 0.1000 0.0148
## 120 47.7173 nan 0.1000 -0.0831
## 140 46.4364 nan 0.1000 -0.0952
## 150 46.0993 nan 0.1000 -0.1660
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.7425 nan 0.1000 19.0669
## 2 149.2861 nan 0.1000 15.0168
## 3 136.0718 nan 0.1000 12.7757
## 4 124.5344 nan 0.1000 9.8957
## 5 114.3260 nan 0.1000 10.2888
## 6 105.3315 nan 0.1000 9.3281
## 7 98.7568 nan 0.1000 5.6503
## 8 93.4317 nan 0.1000 4.4005
## 9 88.8460 nan 0.1000 4.1453
## 10 85.1221 nan 0.1000 3.0560
## 20 58.5369 nan 0.1000 0.9669
## 40 46.9680 nan 0.1000 -0.0059
## 60 43.4475 nan 0.1000 -0.3030
## 80 40.5697 nan 0.1000 -0.2140
## 100 38.2180 nan 0.1000 -0.2838
## 120 36.4086 nan 0.1000 -0.2457
## 140 34.5558 nan 0.1000 -0.1324
## 150 33.8439 nan 0.1000 -0.3925
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.0396 nan 0.1000 22.8756
## 2 145.1889 nan 0.1000 19.1636
## 3 129.9285 nan 0.1000 13.5194
## 4 118.1553 nan 0.1000 9.8232
## 5 107.7343 nan 0.1000 10.2404
## 6 99.0382 nan 0.1000 8.2066
## 7 92.2892 nan 0.1000 6.2218
## 8 84.3028 nan 0.1000 5.4757
## 9 78.5802 nan 0.1000 3.8909
## 10 73.4505 nan 0.1000 4.2072
## 20 51.7010 nan 0.1000 0.9400
## 40 40.6508 nan 0.1000 -0.4158
## 60 36.0283 nan 0.1000 -0.2874
## 80 32.6911 nan 0.1000 -0.3286
## 100 30.2620 nan 0.1000 -0.1836
## 120 28.5014 nan 0.1000 -0.3593
## 140 26.4838 nan 0.1000 -0.0256
## 150 25.6497 nan 0.1000 -0.2401
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 170.6096 nan 0.1000 16.6696
## 2 155.9536 nan 0.1000 13.1006
## 3 145.1949 nan 0.1000 10.6014
## 4 134.5482 nan 0.1000 10.5967
## 5 126.9528 nan 0.1000 7.7916
## 6 119.5952 nan 0.1000 5.3024
## 7 113.1393 nan 0.1000 6.0935
## 8 107.1300 nan 0.1000 4.9124
## 9 102.2139 nan 0.1000 4.5521
## 10 97.7309 nan 0.1000 3.9985
## 20 71.8082 nan 0.1000 1.4317
## 40 55.6707 nan 0.1000 -0.0834
## 60 51.0243 nan 0.1000 -0.2201
## 80 49.2399 nan 0.1000 -0.0176
## 100 48.0073 nan 0.1000 -0.0131
## 120 46.7260 nan 0.1000 -0.3082
## 140 45.9787 nan 0.1000 -0.1080
## 150 45.7671 nan 0.1000 -0.1116
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.4513 nan 0.1000 17.3138
## 2 150.5871 nan 0.1000 16.3981
## 3 135.8956 nan 0.1000 12.5014
## 4 123.7562 nan 0.1000 11.9034
## 5 113.4286 nan 0.1000 9.5364
## 6 104.8089 nan 0.1000 7.2402
## 7 98.7396 nan 0.1000 5.5485
## 8 92.6878 nan 0.1000 5.8803
## 9 87.6128 nan 0.1000 3.8203
## 10 83.2187 nan 0.1000 4.2355
## 20 59.3459 nan 0.1000 1.2166
## 40 46.0607 nan 0.1000 0.0510
## 60 42.0361 nan 0.1000 -0.2341
## 80 39.3354 nan 0.1000 -0.2673
## 100 37.2925 nan 0.1000 -0.6212
## 120 34.8812 nan 0.1000 -0.0568
## 140 32.9938 nan 0.1000 -0.3824
## 150 32.0152 nan 0.1000 -0.1750
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.6493 nan 0.1000 20.4421
## 2 146.7843 nan 0.1000 17.4449
## 3 133.0499 nan 0.1000 11.3855
## 4 119.3494 nan 0.1000 12.5337
## 5 108.3072 nan 0.1000 9.0348
## 6 99.4888 nan 0.1000 5.8279
## 7 93.2598 nan 0.1000 5.8266
## 8 86.9668 nan 0.1000 5.9250
## 9 82.4079 nan 0.1000 3.8112
## 10 77.1011 nan 0.1000 4.1610
## 20 53.8368 nan 0.1000 0.5056
## 40 42.1271 nan 0.1000 -0.4189
## 60 38.0678 nan 0.1000 -0.6665
## 80 34.5048 nan 0.1000 -0.6162
## 100 32.5019 nan 0.1000 -0.2489
## 120 29.5560 nan 0.1000 -0.2121
## 140 27.9481 nan 0.1000 -0.2639
## 150 27.2348 nan 0.1000 -0.4109
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 171.6782 nan 0.1000 17.8119
## 2 157.2903 nan 0.1000 15.6133
## 3 145.4117 nan 0.1000 12.1291
## 4 135.1359 nan 0.1000 9.5941
## 5 125.0991 nan 0.1000 8.9505
## 6 116.8946 nan 0.1000 5.8442
## 7 111.4576 nan 0.1000 5.9548
## 8 105.8111 nan 0.1000 4.8389
## 9 101.6640 nan 0.1000 4.0834
## 10 98.1557 nan 0.1000 3.1153
## 20 72.0133 nan 0.1000 1.1377
## 40 54.1982 nan 0.1000 0.3037
## 60 49.9165 nan 0.1000 -0.0767
## 80 48.2202 nan 0.1000 -0.2434
## 100 47.3403 nan 0.1000 -0.0778
## 120 46.2989 nan 0.1000 -0.1497
## 140 45.3403 nan 0.1000 -0.1004
## 150 45.1225 nan 0.1000 -0.1700
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.6818 nan 0.1000 22.8249
## 2 150.4196 nan 0.1000 16.5059
## 3 135.2966 nan 0.1000 14.7819
## 4 123.1353 nan 0.1000 11.1459
## 5 112.8285 nan 0.1000 8.2047
## 6 103.8163 nan 0.1000 8.2344
## 7 97.1728 nan 0.1000 5.6403
## 8 90.1210 nan 0.1000 6.5181
## 9 84.3055 nan 0.1000 4.5018
## 10 80.2367 nan 0.1000 3.7021
## 20 57.0459 nan 0.1000 0.8518
## 40 45.3844 nan 0.1000 0.1248
## 60 41.6093 nan 0.1000 -0.1505
## 80 38.7796 nan 0.1000 -0.3018
## 100 36.8936 nan 0.1000 -0.4025
## 120 34.8747 nan 0.1000 -0.3182
## 140 32.7905 nan 0.1000 -0.3939
## 150 32.2139 nan 0.1000 -0.1913
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 166.2938 nan 0.1000 24.5922
## 2 146.8952 nan 0.1000 17.7832
## 3 131.5720 nan 0.1000 14.9565
## 4 119.1460 nan 0.1000 11.6538
## 5 107.1773 nan 0.1000 11.6329
## 6 99.0804 nan 0.1000 6.7230
## 7 90.8072 nan 0.1000 5.9239
## 8 84.3212 nan 0.1000 6.3676
## 9 78.5980 nan 0.1000 4.7512
## 10 72.7513 nan 0.1000 3.0766
## 20 51.7453 nan 0.1000 0.5105
## 40 41.5031 nan 0.1000 -0.7483
## 60 37.5376 nan 0.1000 -0.3020
## 80 34.2221 nan 0.1000 -0.6506
## 100 31.6109 nan 0.1000 -0.5267
## 120 29.2094 nan 0.1000 -0.0480
## 140 27.2219 nan 0.1000 -0.1874
## 150 26.5029 nan 0.1000 -0.0574
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 170.3912 nan 0.1000 16.7817
## 2 156.5473 nan 0.1000 13.6900
## 3 144.4494 nan 0.1000 13.1799
## 4 134.5621 nan 0.1000 10.0907
## 5 126.7355 nan 0.1000 7.8831
## 6 118.9027 nan 0.1000 7.6249
## 7 111.7554 nan 0.1000 6.5385
## 8 106.7692 nan 0.1000 3.5473
## 9 102.2389 nan 0.1000 3.7588
## 10 97.8558 nan 0.1000 3.5346
## 20 71.3944 nan 0.1000 1.1035
## 40 54.6462 nan 0.1000 -0.1867
## 60 50.5226 nan 0.1000 -0.1017
## 80 48.6695 nan 0.1000 -0.0190
## 100 47.1603 nan 0.1000 -0.0751
## 120 46.1754 nan 0.1000 -0.0714
## 140 45.3265 nan 0.1000 -0.2824
## 150 44.8055 nan 0.1000 -0.2288
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.9313 nan 0.1000 20.2520
## 2 150.7628 nan 0.1000 16.6476
## 3 137.6056 nan 0.1000 12.9131
## 4 126.5005 nan 0.1000 12.0109
## 5 115.3235 nan 0.1000 9.1947
## 6 107.1198 nan 0.1000 7.7963
## 7 100.5868 nan 0.1000 5.3663
## 8 93.7322 nan 0.1000 6.2140
## 9 89.0227 nan 0.1000 3.6967
## 10 83.9476 nan 0.1000 4.8174
## 20 57.8312 nan 0.1000 0.8058
## 40 46.1200 nan 0.1000 0.0740
## 60 42.0704 nan 0.1000 -0.5450
## 80 39.4172 nan 0.1000 -0.3212
## 100 36.8923 nan 0.1000 -0.1508
## 120 34.6199 nan 0.1000 -0.1726
## 140 32.7572 nan 0.1000 -0.2326
## 150 32.0231 nan 0.1000 -0.3674
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.7431 nan 0.1000 21.5024
## 2 148.8474 nan 0.1000 16.8349
## 3 133.1752 nan 0.1000 14.0487
## 4 120.8181 nan 0.1000 12.0715
## 5 110.1758 nan 0.1000 11.0379
## 6 101.1819 nan 0.1000 7.6947
## 7 92.5433 nan 0.1000 7.5987
## 8 86.7912 nan 0.1000 4.4467
## 9 81.5831 nan 0.1000 4.0606
## 10 77.6196 nan 0.1000 3.4173
## 20 52.5801 nan 0.1000 0.6331
## 40 41.9627 nan 0.1000 -0.3286
## 60 36.7412 nan 0.1000 -0.5673
## 80 33.6598 nan 0.1000 -0.3833
## 100 30.9590 nan 0.1000 -0.1739
## 120 28.7585 nan 0.1000 -0.4956
## 140 26.5083 nan 0.1000 -0.1252
## 150 25.6858 nan 0.1000 -0.1988
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.1270 nan 0.1000 16.7132
## 2 154.2726 nan 0.1000 11.9972
## 3 142.6979 nan 0.1000 12.2631
## 4 132.5500 nan 0.1000 10.1687
## 5 124.8930 nan 0.1000 7.4250
## 6 116.7602 nan 0.1000 6.6763
## 7 110.6143 nan 0.1000 5.8740
## 8 105.0078 nan 0.1000 4.8921
## 9 100.4819 nan 0.1000 3.7449
## 10 95.9961 nan 0.1000 4.0386
## 20 70.3454 nan 0.1000 1.4695
## 40 55.0997 nan 0.1000 -0.0170
## 60 50.5515 nan 0.1000 -0.0531
## 80 48.9539 nan 0.1000 -0.2300
## 100 47.8687 nan 0.1000 -0.1529
## 120 46.7648 nan 0.1000 -0.1534
## 140 45.9461 nan 0.1000 -0.0919
## 150 45.5336 nan 0.1000 -0.0796
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.5735 nan 0.1000 18.8770
## 2 148.3729 nan 0.1000 16.1174
## 3 134.3706 nan 0.1000 13.5330
## 4 124.3162 nan 0.1000 9.1378
## 5 115.5982 nan 0.1000 8.8596
## 6 105.6771 nan 0.1000 6.7950
## 7 97.7669 nan 0.1000 5.3383
## 8 91.8965 nan 0.1000 5.1086
## 9 86.9722 nan 0.1000 4.0711
## 10 82.7008 nan 0.1000 3.5543
## 20 59.2939 nan 0.1000 0.7149
## 40 47.5214 nan 0.1000 -0.2156
## 60 43.3315 nan 0.1000 -0.2090
## 80 40.3613 nan 0.1000 -0.0948
## 100 37.6891 nan 0.1000 -0.3476
## 120 36.0906 nan 0.1000 -0.1283
## 140 34.3351 nan 0.1000 -0.6273
## 150 33.3069 nan 0.1000 -0.1299
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.0366 nan 0.1000 18.2599
## 2 148.1082 nan 0.1000 16.4471
## 3 132.1911 nan 0.1000 15.1310
## 4 120.5544 nan 0.1000 11.5955
## 5 109.6512 nan 0.1000 9.0658
## 6 99.6689 nan 0.1000 8.7157
## 7 92.1464 nan 0.1000 5.8551
## 8 86.3821 nan 0.1000 5.9837
## 9 80.5359 nan 0.1000 4.1400
## 10 76.0348 nan 0.1000 3.0386
## 20 52.6352 nan 0.1000 0.3506
## 40 41.7357 nan 0.1000 -0.1689
## 60 37.2145 nan 0.1000 -0.2321
## 80 33.6508 nan 0.1000 -0.3288
## 100 30.7835 nan 0.1000 -0.0659
## 120 28.3378 nan 0.1000 -0.3439
## 140 26.4703 nan 0.1000 -0.2541
## 150 25.3534 nan 0.1000 -0.3018
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 170.0493 nan 0.1000 17.4611
## 2 155.3824 nan 0.1000 13.9168
## 3 143.4748 nan 0.1000 11.6139
## 4 134.2545 nan 0.1000 9.8410
## 5 126.2473 nan 0.1000 7.1643
## 6 119.2633 nan 0.1000 7.0411
## 7 113.6584 nan 0.1000 6.0915
## 8 108.1978 nan 0.1000 4.1388
## 9 103.3112 nan 0.1000 4.9375
## 10 98.6521 nan 0.1000 3.1854
## 20 71.6664 nan 0.1000 1.5481
## 40 54.4468 nan 0.1000 -0.2809
## 60 49.5225 nan 0.1000 -0.0694
## 80 47.4912 nan 0.1000 -0.1257
## 100 46.0895 nan 0.1000 -0.2510
## 120 45.0081 nan 0.1000 -0.1302
## 140 43.9609 nan 0.1000 -0.0513
## 150 43.5203 nan 0.1000 -0.2154
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.7097 nan 0.1000 19.1911
## 2 146.5755 nan 0.1000 17.5268
## 3 132.5601 nan 0.1000 14.1604
## 4 120.8054 nan 0.1000 11.3616
## 5 110.8152 nan 0.1000 8.7033
## 6 102.6030 nan 0.1000 7.0879
## 7 95.8808 nan 0.1000 6.3564
## 8 89.6360 nan 0.1000 4.7835
## 9 84.5916 nan 0.1000 4.2516
## 10 80.8009 nan 0.1000 3.5737
## 20 56.9600 nan 0.1000 0.9096
## 40 45.0420 nan 0.1000 0.0241
## 60 41.1274 nan 0.1000 -0.0746
## 80 38.3874 nan 0.1000 0.0058
## 100 35.8608 nan 0.1000 -0.2530
## 120 34.1271 nan 0.1000 -0.0979
## 140 32.6476 nan 0.1000 -0.0643
## 150 32.0885 nan 0.1000 -0.3081
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 166.3075 nan 0.1000 21.4062
## 2 147.8389 nan 0.1000 17.9145
## 3 132.9106 nan 0.1000 14.5822
## 4 121.0399 nan 0.1000 10.4277
## 5 110.0500 nan 0.1000 10.2375
## 6 101.3937 nan 0.1000 7.4996
## 7 93.3194 nan 0.1000 7.9293
## 8 87.1075 nan 0.1000 5.4561
## 9 82.5235 nan 0.1000 4.7515
## 10 77.7383 nan 0.1000 3.9765
## 20 52.2881 nan 0.1000 0.7517
## 40 41.5008 nan 0.1000 -0.3517
## 60 36.0160 nan 0.1000 -0.1356
## 80 33.3171 nan 0.1000 -0.2600
## 100 30.2649 nan 0.1000 -0.3069
## 120 27.9127 nan 0.1000 -0.2363
## 140 25.7954 nan 0.1000 -0.1241
## 150 24.8206 nan 0.1000 -0.3883
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 150.7680 nan 0.1000 16.8018
## 2 136.6589 nan 0.1000 13.4252
## 3 124.8886 nan 0.1000 11.7468
## 4 115.4584 nan 0.1000 9.2961
## 5 107.5420 nan 0.1000 7.2134
## 6 101.2836 nan 0.1000 6.5785
## 7 95.3555 nan 0.1000 5.7453
## 8 90.4294 nan 0.1000 4.2471
## 9 85.6771 nan 0.1000 4.2685
## 10 81.8113 nan 0.1000 2.8746
## 20 56.2120 nan 0.1000 0.9751
## 40 40.6135 nan 0.1000 0.1402
## 60 35.4163 nan 0.1000 0.0984
## 80 33.7553 nan 0.1000 -0.1048
## 100 32.5809 nan 0.1000 -0.0394
## 120 31.6549 nan 0.1000 -0.0814
## 140 31.0334 nan 0.1000 -0.2862
## 150 30.7325 nan 0.1000 -0.2913
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 146.8870 nan 0.1000 19.5593
## 2 132.1605 nan 0.1000 13.3191
## 3 117.1501 nan 0.1000 13.7256
## 4 107.2065 nan 0.1000 9.2037
## 5 97.8175 nan 0.1000 9.3512
## 6 88.3940 nan 0.1000 7.8300
## 7 81.5611 nan 0.1000 6.1136
## 8 75.9813 nan 0.1000 4.2139
## 9 70.9024 nan 0.1000 4.7431
## 10 66.8528 nan 0.1000 4.4000
## 20 44.7394 nan 0.1000 0.5948
## 40 33.0336 nan 0.1000 0.1117
## 60 29.8290 nan 0.1000 -0.1787
## 80 27.4847 nan 0.1000 -0.1677
## 100 25.5735 nan 0.1000 -0.0757
## 120 24.1532 nan 0.1000 -0.2150
## 140 22.8323 nan 0.1000 -0.1570
## 150 22.2896 nan 0.1000 -0.1179
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 146.0247 nan 0.1000 20.7063
## 2 128.4368 nan 0.1000 15.4370
## 3 113.8552 nan 0.1000 12.4763
## 4 101.8447 nan 0.1000 11.9649
## 5 91.1206 nan 0.1000 8.5620
## 6 84.0062 nan 0.1000 6.5989
## 7 77.0096 nan 0.1000 5.4620
## 8 71.1330 nan 0.1000 4.9687
## 9 65.4750 nan 0.1000 4.5848
## 10 61.1871 nan 0.1000 3.7162
## 20 38.4830 nan 0.1000 0.7602
## 40 28.5365 nan 0.1000 -0.1952
## 60 25.0116 nan 0.1000 -0.0163
## 80 22.5239 nan 0.1000 -0.1519
## 100 20.5426 nan 0.1000 -0.1038
## 120 19.0255 nan 0.1000 -0.0477
## 140 17.6239 nan 0.1000 -0.1804
## 150 17.1127 nan 0.1000 -0.1140
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.0228 nan 0.1000 17.6772
## 2 153.8431 nan 0.1000 14.0583
## 3 141.3163 nan 0.1000 12.4464
## 4 131.2200 nan 0.1000 10.0225
## 5 122.8321 nan 0.1000 6.5393
## 6 115.6752 nan 0.1000 6.6783
## 7 109.9065 nan 0.1000 5.6661
## 8 103.9047 nan 0.1000 6.0615
## 9 98.8511 nan 0.1000 4.7956
## 10 95.8909 nan 0.1000 3.3300
## 20 69.8823 nan 0.1000 0.6901
## 40 53.5300 nan 0.1000 0.3987
## 60 49.1384 nan 0.1000 -0.1013
## 80 47.1016 nan 0.1000 -0.1367
## 100 46.0229 nan 0.1000 -0.0122
## 120 44.8859 nan 0.1000 -0.0812
## 140 44.0765 nan 0.1000 -0.1061
## 150 43.6160 nan 0.1000 -0.1437
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.9270 nan 0.1000 19.8663
## 2 148.3543 nan 0.1000 15.6756
## 3 133.4844 nan 0.1000 13.5929
## 4 121.3959 nan 0.1000 12.1660
## 5 111.8536 nan 0.1000 9.9103
## 6 103.9098 nan 0.1000 8.3832
## 7 97.4046 nan 0.1000 5.0416
## 8 91.7821 nan 0.1000 5.6086
## 9 87.1946 nan 0.1000 4.4473
## 10 81.5089 nan 0.1000 4.5748
## 20 57.2682 nan 0.1000 0.5895
## 40 44.6071 nan 0.1000 -0.2543
## 60 40.4802 nan 0.1000 -0.2118
## 80 38.3748 nan 0.1000 -0.1224
## 100 36.0219 nan 0.1000 -0.2187
## 120 33.9761 nan 0.1000 -0.1029
## 140 32.5200 nan 0.1000 -0.2033
## 150 31.7538 nan 0.1000 -0.3265
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 162.5315 nan 0.1000 22.1892
## 2 144.2314 nan 0.1000 16.7256
## 3 128.6958 nan 0.1000 14.1850
## 4 115.9029 nan 0.1000 11.4108
## 5 106.5433 nan 0.1000 9.5468
## 6 98.4539 nan 0.1000 7.1336
## 7 91.1745 nan 0.1000 5.9617
## 8 84.8354 nan 0.1000 5.0806
## 9 79.5722 nan 0.1000 4.3383
## 10 74.7273 nan 0.1000 4.3507
## 20 51.1141 nan 0.1000 1.2026
## 40 40.1979 nan 0.1000 -0.2875
## 60 35.7130 nan 0.1000 -0.2343
## 80 32.6120 nan 0.1000 -0.2233
## 100 29.6593 nan 0.1000 -0.2737
## 120 27.3469 nan 0.1000 -0.1784
## 140 25.0950 nan 0.1000 -0.2616
## 150 24.2475 nan 0.1000 -0.3179
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 150.2447 nan 0.1000 17.2506
## 2 135.9160 nan 0.1000 12.6614
## 3 124.7190 nan 0.1000 12.0571
## 4 116.0614 nan 0.1000 8.3781
## 5 108.5812 nan 0.1000 6.1999
## 6 100.7909 nan 0.1000 7.4032
## 7 95.5181 nan 0.1000 5.7123
## 8 89.8961 nan 0.1000 4.5244
## 9 85.1217 nan 0.1000 4.4016
## 10 80.8584 nan 0.1000 3.5050
## 20 56.9858 nan 0.1000 1.2498
## 40 41.4765 nan 0.1000 0.0420
## 60 36.5915 nan 0.1000 0.0144
## 80 34.5133 nan 0.1000 -0.0411
## 100 33.4307 nan 0.1000 -0.0889
## 120 32.4769 nan 0.1000 -0.1889
## 140 31.7511 nan 0.1000 -0.1898
## 150 31.4027 nan 0.1000 -0.1748
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 147.5681 nan 0.1000 19.5589
## 2 131.5766 nan 0.1000 14.9959
## 3 118.7502 nan 0.1000 12.7040
## 4 108.4279 nan 0.1000 10.6489
## 5 98.7352 nan 0.1000 8.8822
## 6 91.4997 nan 0.1000 6.6397
## 7 85.3148 nan 0.1000 5.0532
## 8 79.7162 nan 0.1000 5.2876
## 9 74.3415 nan 0.1000 4.3919
## 10 69.7612 nan 0.1000 3.0987
## 20 45.1992 nan 0.1000 0.6865
## 40 33.5566 nan 0.1000 -0.0678
## 60 29.5570 nan 0.1000 0.0060
## 80 27.3938 nan 0.1000 -0.2864
## 100 26.0800 nan 0.1000 -0.1849
## 120 24.6467 nan 0.1000 -0.0344
## 140 23.2397 nan 0.1000 -0.2797
## 150 22.6081 nan 0.1000 -0.0951
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 147.1806 nan 0.1000 18.5755
## 2 128.4372 nan 0.1000 17.4637
## 3 113.7545 nan 0.1000 13.3749
## 4 102.1887 nan 0.1000 11.0809
## 5 92.7330 nan 0.1000 9.5273
## 6 83.9638 nan 0.1000 8.0024
## 7 76.8992 nan 0.1000 6.0567
## 8 70.2149 nan 0.1000 5.5690
## 9 65.6113 nan 0.1000 4.0948
## 10 61.1225 nan 0.1000 3.8328
## 20 39.8642 nan 0.1000 0.8418
## 40 30.0778 nan 0.1000 0.1550
## 60 26.0085 nan 0.1000 0.0672
## 80 23.5185 nan 0.1000 -0.1482
## 100 21.8687 nan 0.1000 -0.1749
## 120 20.2668 nan 0.1000 -0.1037
## 140 18.8985 nan 0.1000 -0.1847
## 150 18.3939 nan 0.1000 -0.1965
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 173.1494 nan 0.1000 18.0804
## 2 158.0056 nan 0.1000 14.1792
## 3 145.4776 nan 0.1000 10.8173
## 4 135.3970 nan 0.1000 9.6933
## 5 125.8291 nan 0.1000 8.4090
## 6 118.4007 nan 0.1000 6.5776
## 7 111.7568 nan 0.1000 5.8314
## 8 107.1660 nan 0.1000 3.4215
## 9 101.7389 nan 0.1000 4.3563
## 10 97.0168 nan 0.1000 4.3753
## 20 69.8387 nan 0.1000 1.5925
## 40 53.3555 nan 0.1000 -0.0440
## 60 48.8150 nan 0.1000 -0.0208
## 80 47.1313 nan 0.1000 -0.0626
## 100 45.8869 nan 0.1000 -0.0561
## 120 44.9752 nan 0.1000 -0.3468
## 140 44.1222 nan 0.1000 -0.1020
## 150 43.8578 nan 0.1000 -0.2473
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 169.1542 nan 0.1000 20.6764
## 2 153.3486 nan 0.1000 15.6399
## 3 137.1671 nan 0.1000 14.2382
## 4 125.0563 nan 0.1000 12.0143
## 5 115.1746 nan 0.1000 10.9564
## 6 107.4277 nan 0.1000 6.8757
## 7 100.1207 nan 0.1000 6.8382
## 8 94.8744 nan 0.1000 6.2021
## 9 90.2016 nan 0.1000 5.3942
## 10 85.0299 nan 0.1000 5.1423
## 20 57.1373 nan 0.1000 1.0137
## 40 45.2371 nan 0.1000 -0.1726
## 60 41.1037 nan 0.1000 -0.1722
## 80 38.4982 nan 0.1000 -0.4623
## 100 36.7709 nan 0.1000 -0.4832
## 120 34.9325 nan 0.1000 -0.0452
## 140 33.6599 nan 0.1000 -0.2457
## 150 33.0008 nan 0.1000 -0.0683
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.6952 nan 0.1000 24.0902
## 2 145.8330 nan 0.1000 18.1490
## 3 131.0013 nan 0.1000 14.8654
## 4 118.8540 nan 0.1000 10.8114
## 5 107.3758 nan 0.1000 9.8808
## 6 98.6308 nan 0.1000 7.9395
## 7 91.2420 nan 0.1000 7.6149
## 8 85.4763 nan 0.1000 5.1840
## 9 80.7667 nan 0.1000 4.4317
## 10 75.8659 nan 0.1000 4.0831
## 20 52.7071 nan 0.1000 0.8363
## 40 40.8694 nan 0.1000 -0.0397
## 60 36.9646 nan 0.1000 -0.4074
## 80 34.1891 nan 0.1000 -0.1475
## 100 31.2996 nan 0.1000 -0.1033
## 120 28.4761 nan 0.1000 -0.2777
## 140 26.5001 nan 0.1000 -0.1663
## 150 25.5272 nan 0.1000 -0.0829
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.1852 nan 0.1000 16.3124
## 2 154.4004 nan 0.1000 13.1964
## 3 142.7421 nan 0.1000 10.7158
## 4 133.3403 nan 0.1000 9.7174
## 5 124.4114 nan 0.1000 8.1662
## 6 116.6179 nan 0.1000 7.0708
## 7 110.0728 nan 0.1000 5.6713
## 8 105.5075 nan 0.1000 3.8512
## 9 101.1361 nan 0.1000 2.7026
## 10 96.6475 nan 0.1000 3.4086
## 20 70.0204 nan 0.1000 1.9660
## 40 53.0673 nan 0.1000 -0.0299
## 60 48.4441 nan 0.1000 0.0150
## 80 46.4568 nan 0.1000 -0.2328
## 100 44.9404 nan 0.1000 0.0192
## 120 43.8709 nan 0.1000 -0.2242
## 140 42.8804 nan 0.1000 -0.1170
## 150 42.4914 nan 0.1000 -0.1190
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 166.3762 nan 0.1000 20.2381
## 2 149.9343 nan 0.1000 15.6987
## 3 136.9466 nan 0.1000 11.6270
## 4 124.7585 nan 0.1000 13.0501
## 5 114.1657 nan 0.1000 10.8263
## 6 105.5692 nan 0.1000 7.5309
## 7 97.7695 nan 0.1000 5.7712
## 8 91.3284 nan 0.1000 6.0375
## 9 86.0222 nan 0.1000 4.9083
## 10 81.3297 nan 0.1000 2.9586
## 20 55.5417 nan 0.1000 0.4688
## 40 43.0337 nan 0.1000 0.0996
## 60 39.7015 nan 0.1000 -0.0727
## 80 36.9446 nan 0.1000 -0.5276
## 100 34.5593 nan 0.1000 -0.4009
## 120 33.2221 nan 0.1000 -0.3895
## 140 31.9059 nan 0.1000 -0.1896
## 150 31.3058 nan 0.1000 -0.2825
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.1627 nan 0.1000 21.5676
## 2 145.7816 nan 0.1000 17.2375
## 3 130.9563 nan 0.1000 13.3572
## 4 117.3121 nan 0.1000 11.0699
## 5 106.9695 nan 0.1000 8.3613
## 6 97.7907 nan 0.1000 7.9725
## 7 89.9603 nan 0.1000 7.2381
## 8 84.5408 nan 0.1000 4.4586
## 9 79.0320 nan 0.1000 4.9543
## 10 73.0287 nan 0.1000 4.5998
## 20 48.8680 nan 0.1000 0.0017
## 40 38.5423 nan 0.1000 -0.0336
## 60 34.1522 nan 0.1000 -0.0124
## 80 30.8624 nan 0.1000 -0.2011
## 100 28.7107 nan 0.1000 -0.3997
## 120 26.8767 nan 0.1000 -0.2049
## 140 24.9416 nan 0.1000 -0.1475
## 150 24.1251 nan 0.1000 -0.4403
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.7038 nan 0.1000 17.9631
## 2 153.1229 nan 0.1000 13.9073
## 3 141.3056 nan 0.1000 11.3960
## 4 131.3258 nan 0.1000 8.9382
## 5 123.0983 nan 0.1000 8.4611
## 6 116.8530 nan 0.1000 6.5504
## 7 109.3595 nan 0.1000 6.3094
## 8 103.4555 nan 0.1000 4.6419
## 9 98.1633 nan 0.1000 4.5284
## 10 94.5458 nan 0.1000 2.9923
## 20 68.7521 nan 0.1000 0.6474
## 40 52.9681 nan 0.1000 0.1483
## 60 48.4862 nan 0.1000 -0.4351
## 80 47.0285 nan 0.1000 -0.3338
## 100 45.7656 nan 0.1000 -0.0226
## 120 44.9170 nan 0.1000 -0.1045
## 140 44.1414 nan 0.1000 -0.1046
## 150 43.7982 nan 0.1000 -0.3145
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.3598 nan 0.1000 21.9463
## 2 146.6479 nan 0.1000 16.9968
## 3 132.5918 nan 0.1000 13.8872
## 4 121.8243 nan 0.1000 11.3254
## 5 110.0831 nan 0.1000 10.9965
## 6 102.1222 nan 0.1000 7.4027
## 7 96.3678 nan 0.1000 5.4487
## 8 90.1282 nan 0.1000 5.8871
## 9 85.1761 nan 0.1000 4.5887
## 10 79.5489 nan 0.1000 4.8850
## 20 55.4179 nan 0.1000 0.1399
## 40 43.7749 nan 0.1000 -0.0060
## 60 40.0654 nan 0.1000 -0.1403
## 80 37.4092 nan 0.1000 -0.5152
## 100 35.4476 nan 0.1000 -0.4612
## 120 33.8881 nan 0.1000 -0.0615
## 140 32.4255 nan 0.1000 -0.1935
## 150 31.9217 nan 0.1000 -0.2310
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.7362 nan 0.1000 19.4297
## 2 146.4602 nan 0.1000 19.2101
## 3 129.7479 nan 0.1000 15.9240
## 4 116.8373 nan 0.1000 12.9598
## 5 105.6798 nan 0.1000 10.4191
## 6 97.1433 nan 0.1000 8.3418
## 7 90.1395 nan 0.1000 6.3366
## 8 84.4511 nan 0.1000 5.5656
## 9 79.6994 nan 0.1000 4.7755
## 10 75.4129 nan 0.1000 3.8693
## 20 50.9881 nan 0.1000 1.1009
## 40 40.8631 nan 0.1000 -0.3871
## 60 35.7808 nan 0.1000 -0.0406
## 80 32.4567 nan 0.1000 -0.3061
## 100 30.3890 nan 0.1000 -0.5253
## 120 27.7584 nan 0.1000 -0.4260
## 140 26.2207 nan 0.1000 -0.3950
## 150 25.5019 nan 0.1000 -0.3765
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.8002 nan 0.1000 16.9174
## 2 154.4440 nan 0.1000 14.3696
## 3 142.6219 nan 0.1000 11.2690
## 4 132.2559 nan 0.1000 10.2201
## 5 124.4145 nan 0.1000 8.0796
## 6 117.6276 nan 0.1000 6.8040
## 7 111.8832 nan 0.1000 5.5437
## 8 106.9223 nan 0.1000 4.0843
## 9 101.9076 nan 0.1000 4.7118
## 10 97.7868 nan 0.1000 4.1452
## 20 70.9719 nan 0.1000 1.2932
## 40 54.1755 nan 0.1000 0.0440
## 60 49.7612 nan 0.1000 -0.0606
## 80 47.4558 nan 0.1000 -0.2530
## 100 46.3259 nan 0.1000 -0.0421
## 120 45.4159 nan 0.1000 -0.2384
## 140 44.5900 nan 0.1000 -0.1033
## 150 44.1320 nan 0.1000 -0.0070
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.4321 nan 0.1000 21.6397
## 2 145.2607 nan 0.1000 15.1382
## 3 131.6257 nan 0.1000 12.7284
## 4 118.9634 nan 0.1000 11.9370
## 5 108.9616 nan 0.1000 8.6726
## 6 100.6600 nan 0.1000 5.8379
## 7 94.0585 nan 0.1000 6.1892
## 8 87.9575 nan 0.1000 5.1083
## 9 83.1592 nan 0.1000 4.6075
## 10 79.1143 nan 0.1000 3.8139
## 20 56.1348 nan 0.1000 0.6670
## 40 44.6979 nan 0.1000 -0.2616
## 60 40.9004 nan 0.1000 -0.4478
## 80 38.0567 nan 0.1000 -0.4136
## 100 36.2350 nan 0.1000 -0.5479
## 120 34.4457 nan 0.1000 -0.4829
## 140 33.2062 nan 0.1000 -0.1439
## 150 32.1633 nan 0.1000 -0.1607
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.4196 nan 0.1000 22.5379
## 2 147.9535 nan 0.1000 17.4844
## 3 132.4284 nan 0.1000 14.7935
## 4 120.6120 nan 0.1000 12.8193
## 5 109.5897 nan 0.1000 10.8763
## 6 101.4836 nan 0.1000 7.8182
## 7 94.3061 nan 0.1000 7.0046
## 8 88.0581 nan 0.1000 5.4233
## 9 82.1131 nan 0.1000 4.6702
## 10 77.4541 nan 0.1000 4.0760
## 20 52.4076 nan 0.1000 0.8420
## 40 39.7589 nan 0.1000 -0.0103
## 60 34.5615 nan 0.1000 -0.1681
## 80 32.4750 nan 0.1000 -0.3019
## 100 29.7591 nan 0.1000 -0.0572
## 120 27.7536 nan 0.1000 -0.2246
## 140 25.5490 nan 0.1000 -0.2713
## 150 24.6674 nan 0.1000 -0.2590
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 171.1706 nan 0.1000 17.1531
## 2 156.4758 nan 0.1000 14.7387
## 3 144.6364 nan 0.1000 11.3389
## 4 133.5611 nan 0.1000 9.9381
## 5 125.4914 nan 0.1000 8.0600
## 6 118.2272 nan 0.1000 6.4824
## 7 113.5435 nan 0.1000 3.6940
## 8 106.9936 nan 0.1000 5.3086
## 9 101.6388 nan 0.1000 4.6291
## 10 97.8501 nan 0.1000 3.0974
## 20 71.2965 nan 0.1000 0.8962
## 40 56.8181 nan 0.1000 0.0848
## 60 52.2662 nan 0.1000 -0.3650
## 80 50.1754 nan 0.1000 -0.0198
## 100 48.9558 nan 0.1000 -0.1936
## 120 47.8273 nan 0.1000 -0.2848
## 140 47.0359 nan 0.1000 -0.1104
## 150 46.7920 nan 0.1000 -0.1218
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.3866 nan 0.1000 20.5158
## 2 150.6493 nan 0.1000 16.6662
## 3 136.8325 nan 0.1000 12.7166
## 4 124.2112 nan 0.1000 10.8378
## 5 114.3648 nan 0.1000 8.4513
## 6 106.2844 nan 0.1000 7.9004
## 7 100.6756 nan 0.1000 6.6311
## 8 94.5407 nan 0.1000 5.1116
## 9 90.1160 nan 0.1000 3.7210
## 10 85.5194 nan 0.1000 3.4168
## 20 60.5276 nan 0.1000 0.9209
## 40 47.8202 nan 0.1000 0.0284
## 60 44.0264 nan 0.1000 -0.0721
## 80 41.0719 nan 0.1000 -0.2490
## 100 38.7374 nan 0.1000 -0.0256
## 120 36.6331 nan 0.1000 -0.0250
## 140 34.8445 nan 0.1000 -0.4582
## 150 34.3729 nan 0.1000 -0.4181
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.0866 nan 0.1000 17.9044
## 2 146.8015 nan 0.1000 17.7961
## 3 131.8053 nan 0.1000 14.9151
## 4 119.6639 nan 0.1000 10.4048
## 5 107.2285 nan 0.1000 9.9846
## 6 98.8832 nan 0.1000 7.6352
## 7 91.7558 nan 0.1000 6.6568
## 8 85.6731 nan 0.1000 6.0397
## 9 79.8722 nan 0.1000 4.8847
## 10 75.6177 nan 0.1000 3.3106
## 20 53.5414 nan 0.1000 0.2282
## 40 41.4640 nan 0.1000 -0.1807
## 60 37.0069 nan 0.1000 -0.2319
## 80 34.0340 nan 0.1000 -0.4525
## 100 31.4501 nan 0.1000 -0.2050
## 120 29.2608 nan 0.1000 -0.4614
## 140 26.5692 nan 0.1000 -0.2272
## 150 25.6054 nan 0.1000 -0.1772
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 169.3752 nan 0.1000 16.4076
## 2 154.9158 nan 0.1000 13.7564
## 3 143.1868 nan 0.1000 10.9350
## 4 133.2667 nan 0.1000 9.3680
## 5 125.1457 nan 0.1000 7.6466
## 6 117.6304 nan 0.1000 5.9643
## 7 111.5822 nan 0.1000 4.8704
## 8 107.1329 nan 0.1000 2.5926
## 9 101.6172 nan 0.1000 3.8907
## 10 97.2384 nan 0.1000 3.8498
## 20 72.2047 nan 0.1000 1.0547
## 40 57.2133 nan 0.1000 0.1491
## 60 52.5523 nan 0.1000 0.0276
## 80 51.0113 nan 0.1000 -0.1432
## 100 49.7349 nan 0.1000 -0.3741
## 120 48.4030 nan 0.1000 -0.3409
## 140 47.5043 nan 0.1000 -0.0762
## 150 47.1767 nan 0.1000 -0.1320
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 166.9321 nan 0.1000 21.5719
## 2 150.3929 nan 0.1000 14.7835
## 3 135.9432 nan 0.1000 14.0908
## 4 122.3739 nan 0.1000 11.0885
## 5 113.0816 nan 0.1000 8.7557
## 6 105.7112 nan 0.1000 5.4046
## 7 99.8805 nan 0.1000 6.9015
## 8 93.1817 nan 0.1000 5.3808
## 9 88.3639 nan 0.1000 3.4955
## 10 83.7640 nan 0.1000 4.1836
## 20 60.9975 nan 0.1000 0.7517
## 40 47.7651 nan 0.1000 -0.0358
## 60 44.1102 nan 0.1000 -0.2734
## 80 41.2676 nan 0.1000 -0.5332
## 100 38.6627 nan 0.1000 -0.1740
## 120 36.2150 nan 0.1000 -0.2854
## 140 34.6654 nan 0.1000 -0.2070
## 150 33.6362 nan 0.1000 -0.2339
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.3552 nan 0.1000 19.9248
## 2 148.3708 nan 0.1000 17.3454
## 3 134.4634 nan 0.1000 14.9408
## 4 121.1206 nan 0.1000 12.1860
## 5 111.4964 nan 0.1000 8.9467
## 6 101.2626 nan 0.1000 7.4080
## 7 94.3288 nan 0.1000 4.5606
## 8 89.1291 nan 0.1000 5.0816
## 9 83.3954 nan 0.1000 4.7352
## 10 78.8226 nan 0.1000 4.1561
## 20 54.2413 nan 0.1000 0.3416
## 40 41.9799 nan 0.1000 -0.0577
## 60 38.2594 nan 0.1000 -0.1224
## 80 34.5445 nan 0.1000 -0.7653
## 100 31.5812 nan 0.1000 -0.0968
## 120 29.3717 nan 0.1000 -0.1891
## 140 27.1673 nan 0.1000 -0.1324
## 150 26.0272 nan 0.1000 -0.3460
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 170.9177 nan 0.1000 16.8869
## 2 156.9875 nan 0.1000 14.0696
## 3 143.9107 nan 0.1000 12.1516
## 4 132.9594 nan 0.1000 9.1748
## 5 124.6477 nan 0.1000 8.0594
## 6 117.9830 nan 0.1000 6.0959
## 7 113.1749 nan 0.1000 4.6520
## 8 107.5341 nan 0.1000 3.9287
## 9 103.0048 nan 0.1000 3.1452
## 10 98.3328 nan 0.1000 4.2842
## 20 71.9529 nan 0.1000 1.6781
## 40 56.0404 nan 0.1000 0.1294
## 60 52.0587 nan 0.1000 -0.3115
## 80 49.8762 nan 0.1000 -0.1423
## 100 48.5088 nan 0.1000 -0.4761
## 120 47.6087 nan 0.1000 -0.0186
## 140 46.8893 nan 0.1000 -0.4221
## 150 46.7785 nan 0.1000 -0.7691
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.8124 nan 0.1000 19.7369
## 2 149.1097 nan 0.1000 16.3346
## 3 134.0827 nan 0.1000 12.1737
## 4 121.5057 nan 0.1000 11.3728
## 5 111.9303 nan 0.1000 8.9220
## 6 104.7882 nan 0.1000 6.8032
## 7 97.0336 nan 0.1000 6.9775
## 8 91.5785 nan 0.1000 5.4255
## 9 86.4841 nan 0.1000 4.5466
## 10 82.5916 nan 0.1000 3.4460
## 20 59.4549 nan 0.1000 1.1843
## 40 46.8370 nan 0.1000 -0.0243
## 60 42.9073 nan 0.1000 -0.3789
## 80 40.4836 nan 0.1000 -0.2616
## 100 37.7603 nan 0.1000 -0.2351
## 120 35.9249 nan 0.1000 -0.2223
## 140 34.1859 nan 0.1000 -0.0861
## 150 33.7001 nan 0.1000 -0.4721
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.5787 nan 0.1000 20.2633
## 2 147.4816 nan 0.1000 17.0395
## 3 131.3789 nan 0.1000 15.0461
## 4 119.0445 nan 0.1000 11.9276
## 5 109.5963 nan 0.1000 10.1085
## 6 100.5837 nan 0.1000 7.3385
## 7 93.0968 nan 0.1000 6.8083
## 8 87.0319 nan 0.1000 6.2570
## 9 81.1987 nan 0.1000 4.8064
## 10 77.7114 nan 0.1000 3.1661
## 20 55.2538 nan 0.1000 0.4071
## 40 44.0089 nan 0.1000 -0.2097
## 60 39.4784 nan 0.1000 -0.3265
## 80 36.4175 nan 0.1000 -0.0827
## 100 33.7875 nan 0.1000 -0.6516
## 120 31.4336 nan 0.1000 -0.3328
## 140 29.0642 nan 0.1000 -0.1349
## 150 27.8140 nan 0.1000 -0.3225
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 171.1363 nan 0.1000 18.6075
## 2 155.8581 nan 0.1000 12.8811
## 3 143.6015 nan 0.1000 10.7288
## 4 133.2579 nan 0.1000 9.7729
## 5 125.1001 nan 0.1000 8.0761
## 6 118.0585 nan 0.1000 7.0161
## 7 112.6121 nan 0.1000 5.0126
## 8 107.8622 nan 0.1000 4.3741
## 9 102.6030 nan 0.1000 4.2486
## 10 97.7316 nan 0.1000 4.2522
## 20 72.1464 nan 0.1000 1.0013
## 40 55.8522 nan 0.1000 -0.0166
## 60 51.3656 nan 0.1000 0.1128
## 80 49.6713 nan 0.1000 -0.3659
## 100 48.5941 nan 0.1000 -0.2850
## 120 47.7105 nan 0.1000 0.0127
## 140 46.9424 nan 0.1000 -0.0747
## 150 46.3949 nan 0.1000 -0.1034
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.9378 nan 0.1000 21.1917
## 2 150.0248 nan 0.1000 16.5693
## 3 135.1986 nan 0.1000 13.3635
## 4 123.6213 nan 0.1000 10.3965
## 5 113.9502 nan 0.1000 10.1362
## 6 106.5508 nan 0.1000 6.4583
## 7 99.6860 nan 0.1000 6.0382
## 8 93.8751 nan 0.1000 5.7687
## 9 89.5020 nan 0.1000 3.9073
## 10 84.9488 nan 0.1000 3.8914
## 20 60.5196 nan 0.1000 1.4129
## 40 47.7472 nan 0.1000 -0.1392
## 60 43.2849 nan 0.1000 -0.3386
## 80 41.0536 nan 0.1000 -0.0989
## 100 38.9136 nan 0.1000 -0.4670
## 120 36.8963 nan 0.1000 -0.4348
## 140 35.4403 nan 0.1000 -0.0910
## 150 34.8776 nan 0.1000 -0.0434
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.9722 nan 0.1000 21.3962
## 2 148.9173 nan 0.1000 19.0159
## 3 131.6894 nan 0.1000 14.5093
## 4 118.7785 nan 0.1000 11.5302
## 5 109.7386 nan 0.1000 9.4082
## 6 101.1138 nan 0.1000 8.3190
## 7 93.7048 nan 0.1000 6.5325
## 8 86.2843 nan 0.1000 5.8936
## 9 80.4773 nan 0.1000 4.6784
## 10 75.3421 nan 0.1000 4.5222
## 20 53.2603 nan 0.1000 0.8303
## 40 42.6766 nan 0.1000 -0.3184
## 60 38.0064 nan 0.1000 -0.2979
## 80 34.1620 nan 0.1000 -0.3261
## 100 31.8557 nan 0.1000 -0.2716
## 120 29.4872 nan 0.1000 -0.2508
## 140 28.1190 nan 0.1000 -0.4006
## 150 27.3109 nan 0.1000 -0.3323
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 170.1293 nan 0.1000 16.6557
## 2 157.1316 nan 0.1000 13.9687
## 3 146.3126 nan 0.1000 10.0660
## 4 136.5392 nan 0.1000 9.8456
## 5 128.1397 nan 0.1000 8.9259
## 6 120.1740 nan 0.1000 6.5027
## 7 113.5460 nan 0.1000 5.4352
## 8 108.2255 nan 0.1000 5.0430
## 9 103.1937 nan 0.1000 4.5861
## 10 99.2095 nan 0.1000 3.1390
## 20 71.8115 nan 0.1000 1.2581
## 40 55.8000 nan 0.1000 0.2277
## 60 51.5799 nan 0.1000 0.0953
## 80 49.5761 nan 0.1000 -0.1473
## 100 48.2507 nan 0.1000 -0.1237
## 120 47.3087 nan 0.1000 -0.2370
## 140 46.5323 nan 0.1000 -0.0389
## 150 46.2339 nan 0.1000 -0.1756
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 166.6413 nan 0.1000 20.7587
## 2 149.8205 nan 0.1000 16.8279
## 3 136.9994 nan 0.1000 12.4407
## 4 123.9831 nan 0.1000 12.0840
## 5 114.7265 nan 0.1000 6.8278
## 6 106.3722 nan 0.1000 8.0518
## 7 98.2741 nan 0.1000 6.5900
## 8 92.6615 nan 0.1000 5.0724
## 9 86.7387 nan 0.1000 4.9327
## 10 83.0937 nan 0.1000 2.8613
## 20 59.3575 nan 0.1000 0.3411
## 40 46.9955 nan 0.1000 0.1132
## 60 43.2533 nan 0.1000 -0.3577
## 80 41.0142 nan 0.1000 -0.3350
## 100 39.0739 nan 0.1000 0.0765
## 120 36.8763 nan 0.1000 -0.3846
## 140 35.2681 nan 0.1000 -0.1863
## 150 34.6306 nan 0.1000 -0.0686
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.1262 nan 0.1000 23.3592
## 2 148.6071 nan 0.1000 17.3109
## 3 132.3433 nan 0.1000 15.2629
## 4 118.9380 nan 0.1000 12.2090
## 5 108.9065 nan 0.1000 10.1035
## 6 100.5582 nan 0.1000 8.2240
## 7 93.6528 nan 0.1000 6.3663
## 8 88.1693 nan 0.1000 5.2312
## 9 82.0285 nan 0.1000 5.1783
## 10 77.7500 nan 0.1000 3.8152
## 20 54.9330 nan 0.1000 0.2868
## 40 42.7672 nan 0.1000 -0.3657
## 60 38.3155 nan 0.1000 -0.2616
## 80 34.6166 nan 0.1000 -0.2329
## 100 31.8455 nan 0.1000 -0.4770
## 120 29.4907 nan 0.1000 -0.5139
## 140 27.6602 nan 0.1000 -0.3701
## 150 26.9307 nan 0.1000 -0.1490
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 156.1961 nan 0.1000 15.7520
## 2 142.1128 nan 0.1000 13.7217
## 3 130.9466 nan 0.1000 10.6672
## 4 121.4504 nan 0.1000 9.1057
## 5 111.7600 nan 0.1000 8.4998
## 6 105.3775 nan 0.1000 7.6526
## 7 99.4200 nan 0.1000 4.7863
## 8 94.2929 nan 0.1000 4.7090
## 9 91.0120 nan 0.1000 3.5268
## 10 86.3655 nan 0.1000 4.0748
## 20 60.6046 nan 0.1000 1.4270
## 40 43.7254 nan 0.1000 0.1345
## 60 38.7209 nan 0.1000 -0.1941
## 80 36.7823 nan 0.1000 -0.0049
## 100 35.3445 nan 0.1000 -0.1144
## 120 34.3091 nan 0.1000 -0.4027
## 140 33.5274 nan 0.1000 -0.1004
## 150 33.0331 nan 0.1000 -0.0685
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 154.6855 nan 0.1000 19.8045
## 2 138.6462 nan 0.1000 14.8135
## 3 123.3505 nan 0.1000 12.6929
## 4 112.9273 nan 0.1000 12.0374
## 5 103.0702 nan 0.1000 8.6869
## 6 95.0585 nan 0.1000 7.8610
## 7 88.9414 nan 0.1000 5.4926
## 8 82.0673 nan 0.1000 6.5847
## 9 77.2346 nan 0.1000 4.3470
## 10 73.4158 nan 0.1000 2.9852
## 20 48.5209 nan 0.1000 1.3263
## 40 35.7604 nan 0.1000 -0.4601
## 60 31.3850 nan 0.1000 -0.1675
## 80 29.1557 nan 0.1000 -0.1563
## 100 26.7250 nan 0.1000 0.0603
## 120 25.7699 nan 0.1000 -0.1952
## 140 24.1711 nan 0.1000 -0.2432
## 150 23.7007 nan 0.1000 -0.2626
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 152.5666 nan 0.1000 19.9984
## 2 134.2954 nan 0.1000 16.9935
## 3 120.5301 nan 0.1000 13.1079
## 4 108.5338 nan 0.1000 12.5775
## 5 98.6291 nan 0.1000 8.4689
## 6 89.5962 nan 0.1000 8.8918
## 7 82.3068 nan 0.1000 7.6122
## 8 75.4385 nan 0.1000 4.4228
## 9 70.3829 nan 0.1000 5.4087
## 10 65.0243 nan 0.1000 4.2610
## 20 42.5716 nan 0.1000 0.4562
## 40 31.2326 nan 0.1000 -0.1424
## 60 27.6245 nan 0.1000 -0.1176
## 80 24.7895 nan 0.1000 -0.2102
## 100 22.8393 nan 0.1000 -0.1294
## 120 21.0887 nan 0.1000 -0.1119
## 140 19.8903 nan 0.1000 -0.2247
## 150 19.1728 nan 0.1000 -0.0997
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 173.5046 nan 0.1000 17.4454
## 2 159.6721 nan 0.1000 14.8576
## 3 147.3173 nan 0.1000 12.3780
## 4 137.6121 nan 0.1000 9.8370
## 5 129.5391 nan 0.1000 8.9529
## 6 122.1678 nan 0.1000 7.0921
## 7 115.6072 nan 0.1000 6.0959
## 8 110.0237 nan 0.1000 4.2562
## 9 104.7155 nan 0.1000 4.0496
## 10 99.7180 nan 0.1000 3.9601
## 20 73.5262 nan 0.1000 1.1523
## 40 56.7888 nan 0.1000 0.1881
## 60 51.9408 nan 0.1000 -0.4684
## 80 50.1178 nan 0.1000 -0.1819
## 100 49.0628 nan 0.1000 -0.1240
## 120 47.9434 nan 0.1000 -0.0639
## 140 46.9712 nan 0.1000 -0.3294
## 150 46.6863 nan 0.1000 -0.1082
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 169.2837 nan 0.1000 20.7572
## 2 153.2771 nan 0.1000 16.1059
## 3 138.1562 nan 0.1000 15.5655
## 4 126.7827 nan 0.1000 10.9961
## 5 115.1991 nan 0.1000 10.0881
## 6 107.6650 nan 0.1000 6.4818
## 7 101.1250 nan 0.1000 6.7926
## 8 95.2063 nan 0.1000 5.0479
## 9 90.5937 nan 0.1000 4.5377
## 10 86.1624 nan 0.1000 3.4446
## 20 61.3056 nan 0.1000 1.0559
## 40 47.8125 nan 0.1000 -0.1279
## 60 44.2663 nan 0.1000 -0.2870
## 80 41.2932 nan 0.1000 -0.4474
## 100 38.9140 nan 0.1000 -0.2979
## 120 36.9494 nan 0.1000 -0.2801
## 140 35.3970 nan 0.1000 -0.2654
## 150 34.6386 nan 0.1000 -0.2375
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.7969 nan 0.1000 23.7003
## 2 148.7773 nan 0.1000 17.0865
## 3 133.2753 nan 0.1000 14.8660
## 4 121.2401 nan 0.1000 12.8072
## 5 110.7502 nan 0.1000 9.9483
## 6 102.4955 nan 0.1000 8.4609
## 7 94.9245 nan 0.1000 7.1907
## 8 88.3070 nan 0.1000 6.2948
## 9 82.0451 nan 0.1000 5.1521
## 10 77.4184 nan 0.1000 3.5674
## 20 54.7362 nan 0.1000 0.9237
## 40 42.9150 nan 0.1000 -0.1562
## 60 38.7072 nan 0.1000 -0.5943
## 80 34.9498 nan 0.1000 -0.2647
## 100 32.5537 nan 0.1000 -0.3049
## 120 30.1303 nan 0.1000 -0.3484
## 140 28.2939 nan 0.1000 -0.2478
## 150 27.7817 nan 0.1000 -0.1864
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 171.8919 nan 0.1000 16.8816
## 2 158.8725 nan 0.1000 14.6930
## 3 146.2056 nan 0.1000 11.4788
## 4 136.3960 nan 0.1000 9.7704
## 5 128.1631 nan 0.1000 7.5331
## 6 119.7136 nan 0.1000 7.9091
## 7 112.8691 nan 0.1000 6.0037
## 8 107.9276 nan 0.1000 5.3155
## 9 103.6431 nan 0.1000 3.8429
## 10 98.8541 nan 0.1000 3.6057
## 20 71.6811 nan 0.1000 1.5432
## 40 55.4709 nan 0.1000 -0.0101
## 60 50.5592 nan 0.1000 0.0799
## 80 48.6665 nan 0.1000 -0.1472
## 100 47.2958 nan 0.1000 -0.0048
## 120 46.3998 nan 0.1000 -0.2300
## 140 45.2260 nan 0.1000 -0.2064
## 150 44.8636 nan 0.1000 -0.1139
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 169.0300 nan 0.1000 18.8856
## 2 153.4971 nan 0.1000 17.2885
## 3 138.2980 nan 0.1000 15.2665
## 4 126.8882 nan 0.1000 10.8798
## 5 115.3079 nan 0.1000 10.8089
## 6 107.1782 nan 0.1000 7.6304
## 7 99.2904 nan 0.1000 7.7591
## 8 92.2611 nan 0.1000 6.0027
## 9 87.0035 nan 0.1000 4.1352
## 10 81.8386 nan 0.1000 4.2046
## 20 58.9313 nan 0.1000 0.5133
## 40 46.8831 nan 0.1000 0.0387
## 60 44.0018 nan 0.1000 -0.3342
## 80 41.1936 nan 0.1000 -0.1781
## 100 38.3977 nan 0.1000 -0.5160
## 120 36.0664 nan 0.1000 -0.4172
## 140 34.3012 nan 0.1000 -0.3264
## 150 33.6973 nan 0.1000 -0.2997
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 165.8264 nan 0.1000 23.9978
## 2 146.6795 nan 0.1000 19.1151
## 3 131.7676 nan 0.1000 14.8226
## 4 118.9273 nan 0.1000 11.7961
## 5 108.9511 nan 0.1000 9.6465
## 6 99.9982 nan 0.1000 8.3954
## 7 91.4959 nan 0.1000 6.8253
## 8 86.2974 nan 0.1000 5.2637
## 9 81.0501 nan 0.1000 4.3701
## 10 76.0943 nan 0.1000 4.0927
## 20 52.9108 nan 0.1000 0.5416
## 40 41.9774 nan 0.1000 0.1291
## 60 36.8875 nan 0.1000 -0.2071
## 80 33.1746 nan 0.1000 -0.5796
## 100 30.7318 nan 0.1000 -0.4154
## 120 28.6274 nan 0.1000 -0.4175
## 140 26.4037 nan 0.1000 -0.3076
## 150 25.4465 nan 0.1000 -0.4439
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 173.3170 nan 0.1000 18.0180
## 2 159.3654 nan 0.1000 14.3590
## 3 146.4754 nan 0.1000 11.7583
## 4 135.7440 nan 0.1000 10.3774
## 5 126.6587 nan 0.1000 7.5162
## 6 118.8251 nan 0.1000 6.7473
## 7 112.0110 nan 0.1000 6.1473
## 8 106.7351 nan 0.1000 5.3159
## 9 102.2531 nan 0.1000 4.3439
## 10 97.3618 nan 0.1000 3.0647
## 20 71.8819 nan 0.1000 1.4193
## 40 55.4610 nan 0.1000 0.2296
## 60 50.5736 nan 0.1000 -0.1493
## 80 48.8156 nan 0.1000 0.0045
## 100 47.5654 nan 0.1000 -0.1060
## 120 46.6076 nan 0.1000 -0.2412
## 140 45.7880 nan 0.1000 -0.2233
## 150 45.3724 nan 0.1000 -0.2017
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 169.1061 nan 0.1000 21.8560
## 2 152.0333 nan 0.1000 16.3714
## 3 138.9023 nan 0.1000 15.0272
## 4 127.9273 nan 0.1000 12.1402
## 5 117.3569 nan 0.1000 8.9327
## 6 109.5034 nan 0.1000 7.5437
## 7 100.6701 nan 0.1000 8.0462
## 8 94.3124 nan 0.1000 5.8294
## 9 88.7819 nan 0.1000 4.6084
## 10 84.7456 nan 0.1000 2.5369
## 20 59.6614 nan 0.1000 1.1022
## 40 47.4974 nan 0.1000 -0.0691
## 60 42.4401 nan 0.1000 -0.3126
## 80 39.2145 nan 0.1000 -0.1357
## 100 37.0974 nan 0.1000 -0.4068
## 120 35.4506 nan 0.1000 -0.2233
## 140 33.5196 nan 0.1000 -0.1874
## 150 32.8869 nan 0.1000 -0.2084
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 168.2976 nan 0.1000 22.8856
## 2 147.2969 nan 0.1000 17.7161
## 3 131.8028 nan 0.1000 14.9096
## 4 119.2138 nan 0.1000 12.8071
## 5 107.8524 nan 0.1000 9.8025
## 6 99.8192 nan 0.1000 7.0062
## 7 91.0813 nan 0.1000 6.3591
## 8 85.2257 nan 0.1000 4.1739
## 9 79.4450 nan 0.1000 5.3113
## 10 74.5908 nan 0.1000 3.8720
## 20 52.4845 nan 0.1000 0.5950
## 40 41.1360 nan 0.1000 -0.2329
## 60 35.7523 nan 0.1000 -0.1701
## 80 32.9981 nan 0.1000 -0.1771
## 100 30.4321 nan 0.1000 -0.1614
## 120 28.2431 nan 0.1000 -0.4154
## 140 26.1014 nan 0.1000 -0.3305
## 150 25.4706 nan 0.1000 -0.2803
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.6659 nan 0.1000 17.6609
## 2 150.6872 nan 0.1000 12.4934
## 3 137.3853 nan 0.1000 12.7912
## 4 128.2726 nan 0.1000 9.4379
## 5 119.4794 nan 0.1000 8.7493
## 6 112.5901 nan 0.1000 6.7919
## 7 107.0383 nan 0.1000 5.5870
## 8 101.3958 nan 0.1000 5.1922
## 9 96.6969 nan 0.1000 3.6687
## 10 92.6616 nan 0.1000 4.3152
## 20 67.0087 nan 0.1000 0.8969
## 40 51.2250 nan 0.1000 0.1583
## 60 46.1880 nan 0.1000 -0.3532
## 80 44.7189 nan 0.1000 -0.4538
## 100 43.4972 nan 0.1000 -0.1938
## 120 42.8503 nan 0.1000 -0.1807
## 140 41.9461 nan 0.1000 -0.0954
## 150 41.6115 nan 0.1000 -0.0100
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 161.7897 nan 0.1000 19.8679
## 2 144.4902 nan 0.1000 15.6236
## 3 130.3091 nan 0.1000 14.5831
## 4 119.1971 nan 0.1000 10.7375
## 5 110.2625 nan 0.1000 9.3302
## 6 102.1181 nan 0.1000 8.6305
## 7 94.7376 nan 0.1000 5.6850
## 8 88.6712 nan 0.1000 4.8720
## 9 83.8445 nan 0.1000 4.6180
## 10 79.0540 nan 0.1000 4.7796
## 20 55.2278 nan 0.1000 1.2835
## 40 43.3442 nan 0.1000 -0.1286
## 60 39.9775 nan 0.1000 -0.1887
## 80 37.6201 nan 0.1000 0.0381
## 100 35.7780 nan 0.1000 -0.4400
## 120 33.7903 nan 0.1000 -0.4367
## 140 31.6781 nan 0.1000 -0.5001
## 150 30.9292 nan 0.1000 -0.1338
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 161.5773 nan 0.1000 21.8627
## 2 143.2653 nan 0.1000 17.4176
## 3 128.2102 nan 0.1000 13.9255
## 4 115.3168 nan 0.1000 12.6537
## 5 105.3225 nan 0.1000 10.5156
## 6 97.0429 nan 0.1000 8.1013
## 7 89.7646 nan 0.1000 6.6614
## 8 84.5830 nan 0.1000 4.4483
## 9 78.4568 nan 0.1000 5.1768
## 10 73.1361 nan 0.1000 2.8069
## 20 49.2572 nan 0.1000 0.7320
## 40 38.2696 nan 0.1000 -0.4539
## 60 34.5725 nan 0.1000 -0.1839
## 80 31.6521 nan 0.1000 -0.3983
## 100 28.8920 nan 0.1000 -0.3947
## 120 26.7053 nan 0.1000 -0.0666
## 140 24.8613 nan 0.1000 -0.0849
## 150 23.9060 nan 0.1000 -0.2089
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.5405 nan 0.1000 16.4506
## 2 148.9623 nan 0.1000 13.3352
## 3 137.4145 nan 0.1000 11.2090
## 4 128.8989 nan 0.1000 8.9485
## 5 121.4262 nan 0.1000 7.1438
## 6 114.2886 nan 0.1000 5.6483
## 7 108.8167 nan 0.1000 5.0236
## 8 103.8700 nan 0.1000 5.2704
## 9 99.1844 nan 0.1000 3.6237
## 10 94.9658 nan 0.1000 3.5417
## 20 70.5103 nan 0.1000 1.4231
## 40 53.7516 nan 0.1000 -0.1569
## 60 49.1917 nan 0.1000 -0.0547
## 80 47.0478 nan 0.1000 -0.1628
## 100 45.7148 nan 0.1000 -0.0524
## 120 44.9873 nan 0.1000 -0.2770
## 140 44.1564 nan 0.1000 -0.4816
## 150 43.5864 nan 0.1000 -0.0574
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 162.0427 nan 0.1000 19.8690
## 2 146.8428 nan 0.1000 15.5774
## 3 132.2843 nan 0.1000 13.4678
## 4 120.4617 nan 0.1000 10.9519
## 5 110.2507 nan 0.1000 9.0556
## 6 102.8330 nan 0.1000 6.6022
## 7 95.4886 nan 0.1000 6.1521
## 8 90.3347 nan 0.1000 4.4725
## 9 85.0603 nan 0.1000 4.8792
## 10 80.5581 nan 0.1000 4.3112
## 20 56.6764 nan 0.1000 0.3018
## 40 45.0604 nan 0.1000 0.0816
## 60 40.9828 nan 0.1000 -0.0588
## 80 38.7164 nan 0.1000 -0.1705
## 100 36.3112 nan 0.1000 -0.3015
## 120 34.2956 nan 0.1000 -0.2341
## 140 32.3083 nan 0.1000 -0.0756
## 150 31.7000 nan 0.1000 -0.1984
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 160.2345 nan 0.1000 20.3707
## 2 143.0542 nan 0.1000 17.9846
## 3 128.2892 nan 0.1000 13.9748
## 4 115.9151 nan 0.1000 10.9050
## 5 106.0331 nan 0.1000 10.0982
## 6 96.9822 nan 0.1000 6.4662
## 7 89.2174 nan 0.1000 6.4312
## 8 81.7716 nan 0.1000 6.4479
## 9 77.2969 nan 0.1000 4.5350
## 10 72.5984 nan 0.1000 4.3484
## 20 52.5115 nan 0.1000 0.2905
## 40 41.0989 nan 0.1000 -0.4764
## 60 36.2786 nan 0.1000 -0.5106
## 80 32.8416 nan 0.1000 -0.2945
## 100 30.2367 nan 0.1000 -0.1275
## 120 28.6043 nan 0.1000 -0.6163
## 140 26.6360 nan 0.1000 -0.3270
## 150 25.5480 nan 0.1000 -0.3767
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 169.3605 nan 0.1000 17.6348
## 2 156.3319 nan 0.1000 14.2847
## 3 144.3574 nan 0.1000 11.6908
## 4 132.1343 nan 0.1000 10.5676
## 5 124.4066 nan 0.1000 6.5454
## 6 117.1603 nan 0.1000 6.6987
## 7 111.0597 nan 0.1000 5.5616
## 8 104.3515 nan 0.1000 4.7011
## 9 99.4163 nan 0.1000 4.4654
## 10 95.6412 nan 0.1000 3.2610
## 20 69.4523 nan 0.1000 1.6500
## 40 53.1600 nan 0.1000 0.2205
## 60 48.9576 nan 0.1000 -0.0848
## 80 47.7114 nan 0.1000 -0.1250
## 100 46.6745 nan 0.1000 -0.2024
## 120 45.3902 nan 0.1000 -0.3300
## 140 44.7244 nan 0.1000 -0.3218
## 150 44.1197 nan 0.1000 -0.0695
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.7165 nan 0.1000 19.1529
## 2 147.6709 nan 0.1000 17.0646
## 3 134.1980 nan 0.1000 13.4147
## 4 121.6934 nan 0.1000 10.5631
## 5 110.8492 nan 0.1000 10.9686
## 6 101.3667 nan 0.1000 8.9229
## 7 94.9757 nan 0.1000 6.2986
## 8 89.8029 nan 0.1000 4.6309
## 9 84.7508 nan 0.1000 4.3967
## 10 80.6119 nan 0.1000 4.1796
## 20 57.1896 nan 0.1000 1.1385
## 40 45.2661 nan 0.1000 -0.0247
## 60 41.6050 nan 0.1000 -0.2039
## 80 39.1047 nan 0.1000 -0.0323
## 100 36.7901 nan 0.1000 -0.2179
## 120 34.7005 nan 0.1000 -0.4913
## 140 32.8936 nan 0.1000 -0.3936
## 150 32.1088 nan 0.1000 -0.2133
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 163.1474 nan 0.1000 22.0685
## 2 143.4105 nan 0.1000 18.9685
## 3 128.6360 nan 0.1000 14.4058
## 4 117.2213 nan 0.1000 10.6987
## 5 106.9410 nan 0.1000 10.3846
## 6 97.5522 nan 0.1000 8.6237
## 7 90.7076 nan 0.1000 6.0799
## 8 84.2474 nan 0.1000 5.7163
## 9 78.6150 nan 0.1000 4.7160
## 10 73.8478 nan 0.1000 3.6136
## 20 51.5556 nan 0.1000 0.6178
## 40 40.9812 nan 0.1000 -0.4059
## 60 36.8480 nan 0.1000 -0.4360
## 80 34.3135 nan 0.1000 -0.2915
## 100 31.6259 nan 0.1000 -0.3339
## 120 29.1712 nan 0.1000 -0.4620
## 140 27.2306 nan 0.1000 -0.2597
## 150 26.4060 nan 0.1000 -0.1616
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 171.2698 nan 0.1000 17.5938
## 2 155.8985 nan 0.1000 14.4667
## 3 144.4362 nan 0.1000 10.7011
## 4 134.1743 nan 0.1000 9.2779
## 5 127.0423 nan 0.1000 6.1009
## 6 120.2786 nan 0.1000 7.2212
## 7 113.6366 nan 0.1000 6.8051
## 8 108.0804 nan 0.1000 5.3374
## 9 103.6551 nan 0.1000 4.2683
## 10 99.8480 nan 0.1000 3.0220
## 20 71.5797 nan 0.1000 1.5762
## 40 55.0677 nan 0.1000 0.3189
## 60 50.9726 nan 0.1000 0.0393
## 80 48.9243 nan 0.1000 -0.2088
## 100 47.5488 nan 0.1000 -0.2723
## 120 46.6907 nan 0.1000 -0.1791
## 140 45.7772 nan 0.1000 -0.1886
## 150 45.4398 nan 0.1000 -0.2529
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.8618 nan 0.1000 21.6421
## 2 151.5229 nan 0.1000 17.0984
## 3 137.9868 nan 0.1000 12.9960
## 4 125.4499 nan 0.1000 10.8114
## 5 113.6198 nan 0.1000 11.2583
## 6 105.3811 nan 0.1000 7.1436
## 7 97.7158 nan 0.1000 6.6000
## 8 92.2951 nan 0.1000 4.8659
## 9 86.7636 nan 0.1000 4.8637
## 10 82.9321 nan 0.1000 3.4368
## 20 59.1892 nan 0.1000 1.0618
## 40 47.4715 nan 0.1000 -0.3796
## 60 43.2427 nan 0.1000 -0.2057
## 80 40.7641 nan 0.1000 -0.1390
## 100 38.2795 nan 0.1000 -0.1629
## 120 36.2047 nan 0.1000 -0.1511
## 140 34.9118 nan 0.1000 -0.3752
## 150 34.2092 nan 0.1000 -0.2440
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.4476 nan 0.1000 22.9469
## 2 150.1413 nan 0.1000 17.8905
## 3 134.6781 nan 0.1000 13.0791
## 4 120.6403 nan 0.1000 11.8683
## 5 110.4748 nan 0.1000 10.6849
## 6 101.9252 nan 0.1000 8.2025
## 7 96.2093 nan 0.1000 5.5063
## 8 89.6142 nan 0.1000 6.8801
## 9 84.8275 nan 0.1000 4.0819
## 10 81.0833 nan 0.1000 3.9780
## 20 55.7466 nan 0.1000 0.6159
## 40 44.0153 nan 0.1000 -0.1969
## 60 39.2227 nan 0.1000 -0.2409
## 80 35.8597 nan 0.1000 -0.3015
## 100 33.1117 nan 0.1000 -0.3874
## 120 31.0177 nan 0.1000 -0.3919
## 140 28.4755 nan 0.1000 -0.1017
## 150 27.5352 nan 0.1000 -0.2396
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 170.7443 nan 0.1000 17.4396
## 2 156.6271 nan 0.1000 14.1824
## 3 144.9985 nan 0.1000 12.1101
## 4 134.6996 nan 0.1000 9.7369
## 5 126.0306 nan 0.1000 7.5639
## 6 117.7903 nan 0.1000 6.8850
## 7 111.5159 nan 0.1000 4.6539
## 8 106.4567 nan 0.1000 3.8862
## 9 100.7171 nan 0.1000 4.6734
## 10 96.4569 nan 0.1000 3.6127
## 20 69.3034 nan 0.1000 1.5198
## 40 53.2388 nan 0.1000 0.2848
## 60 48.4891 nan 0.1000 -0.0551
## 80 46.8654 nan 0.1000 -0.1158
## 100 45.7233 nan 0.1000 -0.2393
## 120 44.7316 nan 0.1000 -0.1262
## 140 44.0921 nan 0.1000 -0.1577
## 150 43.4764 nan 0.1000 -0.2174
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.7590 nan 0.1000 20.6940
## 2 151.1492 nan 0.1000 14.3968
## 3 136.5140 nan 0.1000 13.8350
## 4 124.2508 nan 0.1000 12.3973
## 5 115.5879 nan 0.1000 7.9179
## 6 107.7974 nan 0.1000 7.4132
## 7 99.9697 nan 0.1000 7.8617
## 8 94.5077 nan 0.1000 4.6763
## 9 88.7278 nan 0.1000 5.4917
## 10 83.9803 nan 0.1000 4.2272
## 20 57.9994 nan 0.1000 1.1375
## 40 44.9088 nan 0.1000 -0.0756
## 60 40.4553 nan 0.1000 -0.1821
## 80 37.0584 nan 0.1000 -0.1009
## 100 34.6745 nan 0.1000 -0.2256
## 120 33.0840 nan 0.1000 -0.1467
## 140 31.5553 nan 0.1000 -0.3694
## 150 30.9087 nan 0.1000 -0.2400
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.9943 nan 0.1000 22.5235
## 2 146.8786 nan 0.1000 15.4550
## 3 130.0534 nan 0.1000 14.9802
## 4 116.8963 nan 0.1000 11.8278
## 5 105.6820 nan 0.1000 11.2615
## 6 96.8340 nan 0.1000 7.5123
## 7 90.7833 nan 0.1000 5.6463
## 8 84.4262 nan 0.1000 6.3009
## 9 79.7810 nan 0.1000 4.2604
## 10 74.8837 nan 0.1000 4.0909
## 20 52.0274 nan 0.1000 -0.1129
## 40 40.2198 nan 0.1000 -0.0462
## 60 36.5445 nan 0.1000 -0.2386
## 80 33.1089 nan 0.1000 -0.3997
## 100 30.1550 nan 0.1000 -0.1355
## 120 27.7925 nan 0.1000 -0.2600
## 140 25.6601 nan 0.1000 -0.4475
## 150 24.6274 nan 0.1000 -0.2396
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 167.1781 nan 0.1000 17.2421
## 2 153.4721 nan 0.1000 13.6701
## 3 141.8181 nan 0.1000 10.9217
## 4 133.7907 nan 0.1000 8.3996
## 5 125.7989 nan 0.1000 7.5606
## 6 118.8838 nan 0.1000 5.9212
## 7 113.9586 nan 0.1000 4.9971
## 8 108.7547 nan 0.1000 3.8934
## 9 103.7505 nan 0.1000 4.6162
## 10 99.7063 nan 0.1000 1.8162
## 20 73.3119 nan 0.1000 1.4249
## 40 57.5300 nan 0.1000 0.0384
## 60 52.1284 nan 0.1000 -0.1687
## 80 50.1746 nan 0.1000 -0.3935
## 100 48.8747 nan 0.1000 -0.0397
## 120 47.8509 nan 0.1000 -0.1059
## 140 46.9636 nan 0.1000 -0.0274
## 150 46.6187 nan 0.1000 0.0030
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 164.4322 nan 0.1000 18.8513
## 2 147.9929 nan 0.1000 15.8060
## 3 133.0948 nan 0.1000 13.5288
## 4 121.7719 nan 0.1000 11.0813
## 5 112.5103 nan 0.1000 8.6317
## 6 104.8184 nan 0.1000 6.7884
## 7 97.9725 nan 0.1000 6.7583
## 8 92.7788 nan 0.1000 5.6113
## 9 88.8699 nan 0.1000 3.8225
## 10 84.7936 nan 0.1000 3.8222
## 20 62.1323 nan 0.1000 1.4344
## 40 48.6320 nan 0.1000 -0.4580
## 60 44.0682 nan 0.1000 -0.2782
## 80 41.0158 nan 0.1000 -0.4782
## 100 38.9268 nan 0.1000 -0.3359
## 120 36.7624 nan 0.1000 -0.0280
## 140 34.8109 nan 0.1000 -0.2353
## 150 34.1728 nan 0.1000 -0.2476
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 162.8144 nan 0.1000 19.5583
## 2 146.1838 nan 0.1000 17.1265
## 3 132.9953 nan 0.1000 14.8591
## 4 120.0020 nan 0.1000 12.4205
## 5 109.8350 nan 0.1000 9.0401
## 6 100.8920 nan 0.1000 8.6141
## 7 94.4530 nan 0.1000 5.4407
## 8 88.8559 nan 0.1000 5.4082
## 9 83.2103 nan 0.1000 3.4652
## 10 78.1637 nan 0.1000 4.5678
## 20 54.0520 nan 0.1000 0.8198
## 40 42.2566 nan 0.1000 -0.4439
## 60 38.3440 nan 0.1000 -0.4798
## 80 35.5279 nan 0.1000 -0.3554
## 100 32.7965 nan 0.1000 -0.1059
## 120 30.2052 nan 0.1000 -0.2655
## 140 28.6341 nan 0.1000 -0.3900
## 150 27.9289 nan 0.1000 -0.3519
##
## Iter TrainDeviance ValidDeviance StepSize Improve
## 1 166.3467 nan 0.1000 19.4656
## 2 149.6195 nan 0.1000 16.4585
## 3 134.9799 nan 0.1000 14.1275
## 4 123.5119 nan 0.1000 10.6353
## 5 113.8278 nan 0.1000 9.5096
## 6 106.0897 nan 0.1000 6.2661
## 7 97.5067 nan 0.1000 7.5736
## 8 91.2060 nan 0.1000 4.9332
## 9 86.1588 nan 0.1000 5.1755
## 10 82.0544 nan 0.1000 3.5758
## 20 57.8050 nan 0.1000 0.5141
## 40 45.8950 nan 0.1000 -0.0954
## 50 43.4039 nan 0.1000 -0.0767results=resamples(list(Regression=Model_Reg,knearestneighbour=Model_knn,DecisionTree=Model_tree,Random_forest=Model_Rf,SupportVectorMachine=Model_svm,Gradient_Boost=Model_gbm))
summary(results)##
## Call:
## summary.resamples(object = results)
##
## Models: Regression, knearestneighbour, DecisionTree, Random_forest, SupportVectorMachine, Gradient_Boost
## Number of resamples: 30
##
## MAE
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## Regression 4.366515 5.426220 5.978248 6.146434 6.919461 8.268720 0
## knearestneighbour 3.791400 5.027050 5.562228 5.571169 5.975330 7.284821 0
## DecisionTree 4.291138 5.498230 5.979857 6.129177 6.931890 8.244699 0
## Random_forest 2.827377 3.660501 4.037492 4.307819 4.702297 6.403187 0
## SupportVectorMachine 4.279949 5.568940 6.010684 6.055840 6.516971 8.664380 0
## Gradient_Boost 3.693798 4.213582 4.690187 4.823382 5.175572 6.856610 0
##
## RMSE
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## Regression 5.300930 6.999334 7.611398 8.538133 9.314262 15.57868 0
## knearestneighbour 4.761871 6.457380 7.229639 7.958637 8.572188 14.48738 0
## DecisionTree 5.963166 7.006301 7.872401 8.645722 9.534367 14.52685 0
## Random_forest 3.566049 5.038287 5.638286 6.550605 6.829236 13.61495 0
## SupportVectorMachine 5.540568 7.390727 8.087863 8.650199 9.028705 14.36954 0
## Gradient_Boost 4.838771 5.514894 6.550228 7.094547 7.389109 14.09835 0
##
## Rsquared
## Min. 1st Qu. Median Mean 3rd Qu.
## Regression 0.2905729 0.5479159 0.6558990 0.6192731 0.7141769
## knearestneighbour 0.3946933 0.6101999 0.7116586 0.6686441 0.7590778
## DecisionTree 0.3727780 0.5235038 0.6397458 0.6083851 0.7162953
## Random_forest 0.3791760 0.7378334 0.7934211 0.7649358 0.8665635
## SupportVectorMachine 0.3505154 0.5664096 0.6461781 0.6067067 0.6905898
## Gradient_Boost 0.4518936 0.6727739 0.7632023 0.7336307 0.8190021
## Max. NA's
## Regression 0.8073622 0
## knearestneighbour 0.8158003 0
## DecisionTree 0.7776710 0
## Random_forest 0.9309965 0
## SupportVectorMachine 0.7468184 0
## Gradient_Boost 0.8770005 0Plot showing appropriate ML model.
bwplot(results)
dotplot(results)
Final Model is Deci Random forest for future Prediction.
library(randomForest)## randomForest 4.6-14## Type rfNews() to see new features/changes/bug fixes.##
## Attaching package: 'randomForest'## The following object is masked from 'package:dplyr':
##
## combine## The following object is masked from 'package:ggplot2':
##
## marginModel_F=randomForest(House_price_Area~.,data=training)
Pred=predict(Model_F,testing)
Pred## 9 16 25 39 48 52 76 81
## 18.97912 40.33576 38.63647 42.88309 38.63074 22.89304 27.94715 47.24729
## 93 133 137 144 153 158 160 169
## 25.68076 38.13494 43.88402 44.71771 26.98984 41.31345 38.89301 33.60629
## 178 190 194 204 209 215 224 229
## 50.26846 14.00878 47.39581 47.97372 27.98523 24.80980 41.80284 34.42348
## 243 262 284 285 293 303 307 313
## 28.91162 25.40907 31.96496 42.07900 31.82096 26.31529 37.03597 46.12124
## 349 351 369 374 392 404 409 414
## 57.26802 38.66388 39.81628 48.56492 25.49005 45.37943 25.78928 58.95783Metrics of Model
library(e1071)
library(klaR)## Loading required package: MASS##
## Attaching package: 'MASS'## The following objects are masked from 'package:openintro':
##
## housing, mammals## The following object is masked from 'package:dplyr':
##
## select## The following object is masked from 'package:plotly':
##
## selectlibrary(kernlab)##
## Attaching package: 'kernlab'## The following object is masked from 'package:ggplot2':
##
## alphalibrary(Metrics)##
## Attaching package: 'Metrics'## The following objects are masked from 'package:caret':
##
## precision, recalllibrary(randomForest)
RMSE(testing$House_price_Area,Pred)## [1] 8.12135MAE(testing$House_price_Area,Pred)## [1] 5.518448mape(testing$House_price_Area,Pred)## [1] 0.1382478Important variables impacting on the House price prediction
varImpPlot(Model_F)
varImp(Model_F)## Overall
## transaction_date 2132.714
## House_age 9661.163
## Distance_to_NearestMRT_station 21206.488
## Number_convenience_Stores 8711.576
## Latitude 13232.698
## Longitude 11319.739Interpretaion
Distanace to NearestMRT_station ,Number_coniveninence _stores,House_age,latitude are playig vital role in predicting House price per square feet in the Taipei City, Taiwan.As costumer focusing on these parameters in investing on the Real estate in taiwan.
DAta Set LinK: https://archive.ics.uci.edu/ml/datasets/Real+estate+valuation+data+set
### Main objective of the above study
Important variables impacting on the evaluation of House Price.
```