train () в пакете Caret возвращает ошибку об именах и gsub

Я использую пакет Caret для прогнозирования переменной improvementNoticed

library(caret)
head(trainData)

     improvementNoticed                            V1               V2
681                   0                    0.06451613       0.006060769
1484                  0                    0.77924586       0.331009145
1356                  0                    0.22222222       0.017538684
541                   0                    0.21505376       0.011102470
2214                  1                    0.59195217       0.064764408
1111                  0                    0.97979798       0.036445064
               V3                                          V4       V5
681   0.008182531                                  0.05263158        0
1484  0.316603794                                  0.88825188        0
1356  0.016182822                                  0.20000000        0
541   0.012665610                                  0.10000000        0
2214  0.051008693                                  0.55000000        0
1111  0.034643632                                  0.93333333        0

и я бегу

myControl = trainControl(method='cv',number=5,repeats=2,returnResamp='none')
model1 = train(improvementNoticed~., data=trainData, method = 'glm', trControl=myControl)

и я получаю следующую ошибку:

Error in names(out) <- paste("Fold", gsub(" ", "0", format(seq(along = out))),  : 
  'names' attribute [1] must be the same length as the vector [0]

Это результат того, что trainData[,1] является фактором (остальное числовое значение); ранее (когда trainData[,1] было числом) я получил другую ошибку:

Error in cut.default(y, unique(quantile(y, probs = seq(0, 1, length = cuts))),  : 
  invalid number of intervals

Обратите внимание, что improvementNoticed — это двоичная переменная.

Если я конвертирую trainData[,1] в integer, я получаю ту же ошибку, что и с числовым.

Две последние вещи:

traceback()
5: createFolds(y, trControl$number, returnTrain = TRUE)
4: train.default(x, y, weights = w, ...)
3: train(x, y, weights = w, ...)
2: train.formula(improvementNoticed ~ ., data = trainData, method = "glm", 
       trControl = myControl)
1: train(improvementNoticed ~ ., data = trainData, method = "glm", 
       trControl = myControl)

И результаты sessionInfo()

R version 3.0.1 (2013-05-16)
Platform: x86_64-redhat-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_GB.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_GB.UTF-8        LC_COLLATE=en_GB.UTF-8    
 [5] LC_MONETARY=en_GB.UTF-8    LC_MESSAGES=en_GB.UTF-8   
 [7] LC_PAPER=C                 LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] parallel  stats     graphics  grDevices utils     datasets  methods  
[8] base     

other attached packages:
 [1] elasticnet_1.1     lars_1.2           klaR_0.6-9         MASS_7.3-26       
 [5] kernlab_0.9-18     nnet_7.3-6         randomForest_4.6-7 doMC_1.3.0        
 [9] iterators_1.0.6    caret_5.17-7       reshape2_1.2.2     plyr_1.8          
[13] lattice_0.20-15    foreach_1.4.1      cluster_1.14.4    

loaded via a namespace (and not attached):
[1] codetools_0.2-8 grid_3.0.1      stringr_0.6.2   tools_3.0.1

r r-caret prediction
person Jakub Langr    schedule 29.08.2013    source источник

Ответы (1)


arrow_upward
3
arrow_downward

Как оказалось, ошибка была действительно основной.

Я выполнял нормализацию данных (я не подозревал, что это вызовет проблему), но оказалось, что одна из переменных содержит только 0; следовательно, я получил все NaN, что привело к сбою модели.

person Jakub Langr    schedule 30.08.2013
comment
Предполагая, что вы пытаетесь соответствовать модели классификации, вы должны кодировать improvementNoticed как фактор, а не двоичную переменную. Если он двоичный, train не знает разницы между классификацией с бинарным результатом и некоторым числовым результатом для регрессии. - person topepo; 03.09.2013