r - 错误:预处理插补 R 语言期间的 BoxCox 错误
问题描述
我正在查看应用预测建模书籍 Max Kuhn 中第 6 章练习 3 问题的答案,并且在插补预测步骤中遇到错误(尽管完全遵循他们的答案)。可重现的代码和问题如下:
library(AppliedPredictiveModeling)
library(caret)
library(RANN)
data(ChemicalManufacturingProcess)
predictors <- subset(ChemicalManufacturingProcess,select= -Yield)
yield <- subset(ChemicalManufacturingProcess,select="Yield")
# Impute
#Split data into training and test sets
set.seed(517)
trainingRows <- createDataPartition(yield$Yield,
p = 0.7,
list = FALSE)
trainPredictors <- predictors[trainingRows,]
trainYield <- yield[trainingRows,]
testPredictors <- predictors[-trainingRows,]
testYield <- yield[-trainingRows,]
#Pre-process trainPredictors and apply to trainPredictors and testPredictors
pp <- preProcess(trainPredictors,method=c("BoxCox","center","scale","knnImpute"))
ppTrainPredictors <- predict(pp,newdata=trainPredictors)
ppTestPredictors <- predict(pp,newdata=testPredictors) # This results in an error
它给出的错误是:Error in RANN::nn2(old[, non_missing_cols, drop = FALSE], new[, non_missing_cols, : NA/NaN/Inf in foreign function call (arg 2)
当我使用 YeoJohnson 转换时,它似乎可以工作(我读到的它能够处理非正数)
但是,我不明白为什么它不能处理测试数据,因为它只是训练数据的不同子集?它只是用于问题的插补步骤?
我找不到任何答案,这似乎很奇怪,因为其他遵循这本书的人肯定会注意到吗?还是我很厚?
谢谢
解决方案
您会收到该错误,因为 boxcox 转换不接受零。如果您查看BoxCoxTrans的帮助页面,它会写道:
如果 any(y <= 0) 或如果 length(unique(y)) < numUnique,则不估计 lambda 并且不应用任何变换。
因此,如果您preProcess()
在列中没有零的火车集上运行,则会应用 boxcox 变换,但它不适用于零的测试集。
在上面的书籍示例中,很可能种子是使用较旧的 R 版本设置的,因此它可以工作。如果您使用的是较新版本的 R,则它不起作用。因此,如果我检查您的示例:
cbind(colSums(trainPredictors==0,na.rm=TRUE),colSums(testPredictors==0,na.rm=TRUE))
[,1] [,2]
BiologicalMaterial01 0 0
BiologicalMaterial02 0 0
BiologicalMaterial03 0 0
BiologicalMaterial04 0 0
BiologicalMaterial05 0 0
BiologicalMaterial06 0 0
BiologicalMaterial07 0 0
BiologicalMaterial08 0 0
BiologicalMaterial09 0 0
BiologicalMaterial10 0 0
BiologicalMaterial11 0 0
BiologicalMaterial12 0 0
ManufacturingProcess01 1 2
ManufacturingProcess02 29 6
ManufacturingProcess03 0 0
ManufacturingProcess04 0 0
ManufacturingProcess05 0 0
ManufacturingProcess06 0 0
ManufacturingProcess07 0 0
ManufacturingProcess08 0 0
ManufacturingProcess09 0 0
ManufacturingProcess10 0 0
ManufacturingProcess11 0 0
ManufacturingProcess12 104 38
ManufacturingProcess13 0 0
ManufacturingProcess14 0 0
ManufacturingProcess15 0 0
ManufacturingProcess16 1 0
ManufacturingProcess17 0 0
ManufacturingProcess18 1 0
你可以看到ManufacturingProcess16
,ManufacturingProcess18
会给你带来问题。
Yeo-Johnson 变换可以处理零或负值,所以这不是问题。
如果您想继续工作示例,可以尝试使用另一个种子:
set.seed(517)
trainingRows <- createDataPartition(yield$Yield,
p = 0.7,
list = FALSE)
trainPredictors <- predictors[trainingRows,]
trainYield <- yield[trainingRows,]
testPredictors <- predictors[-trainingRows,]
testYield <- yield[-trainingRows,]
推荐阅读
- indexing - 如何将geojson索引到SOLR
- python - 获取调用脚本终端使用的路径
- python - pytesseract 无法处理数字图像
- r - 将向量的引用作为 R 中循环内的 rpart 公式的目标变量传递
- javascript - JavaScript 构造函数改变值
- python - 使用fabric2启动本地命令时出现自我错误
- vim - 在 NERDTree 中打开新选项卡时出现延迟
- android - 内联 onFocusChange kotlin
- javascript - (Three.JS) 用于翻译的转换控件(大小问题)
- javafx - JavaFX:TableView 打印选定的行项目