r - 运行 prcomp 时,“闭包”类型的对象不是子集错误
问题描述
我正在尝试按照我在网上找到的一些代码在 r 上运行 PCA,但与编写代码的人不同,我得到了错误:
“闭包”类型的对象不可子集
我正在使用叶子数据集,您可以在这里找到:
http://archive.ics.uci.edu/ml/datasets/Leaf
特征是:物种、试样数量、偏心率、纵横比、伸长率、坚固度、随机凸度、等周因子、最大压痕深度、裂度、平均强度、平均对比度、平滑度、第三矩、均匀度、熵
每列都是数字,因为我想预测“物种”,所以我不需要样本编号:
leaf_data <- leaf_data[, c(1,3:ncol(leaf_data))]
现在,为了准备训练数据,我使用以下函数:
stratified_labels <- function(df, variable, size){
set.seed(1000)
require(sampling)
temp = df
dfCounts <- table(df[variable])
if (size > min(dfCounts)){
size <- min(dfCounts)
}
if (size < 1 ){
size = ceiling(table(temp[variable])*size)
} else if (size >=1){
size = rep(size, times=length(table(temp[variable])))
}
strat = strata(temp, stratanames=names(temp[variable]),
size = size, method = 'srswor')
return(strat$ID_unit)
}
这确保了每个班级都有统一数量的代表。然后我们可以准备训练集和测试集:
training_set <- stratified_labels(leaf_data, 'Species', .8)
leaf_data$Species <- as.factor(leaf_data$Species)
leaf_train <- leaf_data[training_set,]
leaf_test <- leaf_data[-training_set,]
由于变量未标准化,因此我将它们设为:
leaf_train_standard <- leaf_train
standardization <- function(x){
x <- (x-mean(x))/sd(x)
return(x)
}
leaf_train_standard[2:15]<-apply(leaf_train[2:15],2, standardization)
所以现在我理论上已经准备好运行 prcomp:
set.seed(1000)
pca_train <- leaf_train_standard[2:15]
pca_test <- leaf_test
pca <- prcomp[data = pca_train, center=FALSE, scale=FALSE]
但是在最后一行代码之后,我得到了上述错误,我真的不明白为什么。任何帮助表示赞赏。
解决方案
pca <- prcomp[data = pca_train, center=FALSE, scale=FALSE]
正如错误消息所示,您在此处使用子集([…]
运算符)。你想使用(…)
:
pca <- prcomp(data = pca_train, center = FALSE, scale = FALSE)
另外两个备注:
你的standardization
功能是不必要的。只是传递center = TRUE
和scale = TRUE
到prcomp
。
推荐阅读
- python - 异步 - 等待 Discord.py 函数问题
- jquery - 在 jqGrid 中使用外键的下拉菜单进行编辑
- c# - 为什么我无法在 Skype 频道的 Azure 表中保存和检索机器人数据?
- python - 用 python 编写 Xlsx 文件 - Excel 文件上的空白行
- r - 字符串的组合
- python-3.x - how to input in multiple lines in Python 3.7
- tfs - 将待办事项与功能相关联
- java - 尝试使用类路径运行 Java 程序;java 找不到我原来的编译类
- ionic-framework - 使用 Ionic 3 中的相机拍摄的 FTP 上传图像
- typescript - 在 vscode 中快速调试打字稿