チューニングSVM短いデータフレーム

-1

私は、このデータフレームを分類モデルを構築しようとしています：チューニングSVM短いデータフレーム

str(aa) 
'data.frame': 49 obs. of 967 variables: 
$ Lunes            : num 0.1 0.14 0.19 0.15 0.14 0.12 0.19 0.15 0.15 0.15 ... 
$ Martes            : num 0.15 0.16 0.21 0.17 0.15 0.14 0.2 0.13 0.16 0.15 ... 
$ Miercoles           : num 0.15 0.16 0.17 0.17 0.16 0.16 0.17 0.13 0.16 0.14 ... 
$ Jueves            : num 0.15 0.13 0.12 0.13 0.12 0.13 0.14 0.09 0.13 0.13 ... 
$ Viernes           : num 0.2 0.13 0.16 0.13 0.13 0.13 0.14 0.13 0.16 0.12 ... 
$ Sabado            : num 0.13 0.15 0.1 0.13 0.16 0.17 0.1 0.16 0.13 0.18 ... 
$ Domingo           : num 0.12 0.12 0.05 0.12 0.14 0.15 0.05 NA 0.11 0.13 ... 
$ CODNUEVZON           : int 7001 35801 24402 NA 17203 37102 24403 38402 60201 10404 ... 
$ POBLA            : int 363 4282 2090 NA 1477 32797 1694 17440 0 11045 ... 
$ BANCO.BOLIVARIANO         : int 1 1 1 NA 1 1 2 0 1 1 ... 
$ BANCO.DE.LOJA          : int 0 0 0 NA 1 0 0 0 0 0 ... 
$ BANCO.DELBANK          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ BANCO.DESARROLLO         : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ BANCO.GUAYAQUIL         : int 0 3 0 NA 3 1 1 4 2 1 ... 
$ BANCO.INTERNACIONAL        : int 0 4 1 NA 1 1 8 0 0 1 ... 
$ BANCO.PICHINCHA         : int 0 8 5 NA 14 1 4 13 7 0 ... 
$ BANCO.PROCREDIT         : int 0 0 0 NA 3 0 0 0 0 0 ... 
$ BANCO.PRODUBANCO         : int 0 6 0 NA 6 1 1 2 0 0 ... 
$ BANCO.SOLIDARIO         : int 0 1 0 NA 2 0 0 0 0 0 ... 
$ BANRED            : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ COOP..29.DE.OCTUBRE        : int 0 1 0 NA 1 0 0 0 0 0 ... 
$ COOP..ALIANZA.DEL.VALLE       : int 0 0 1 NA 0 0 0 0 0 0 ... 
$ COOP..AMBATO          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ COOP..J.E.P          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ COOP..OSCUS          : int 0 0 0 NA 1 0 0 0 0 0 ... 
$ COOP..POLICIA.NACIONAL        : int 0 0 0 NA 1 0 1 0 0 0 ... 
$ MUTUALISTA.PICHINCHA        : int 0 1 0 NA 2 0 1 0 1 0 ... 
$ RED.TRANSACCIONAL.COONECTA       : int 1 1 0 NA 0 0 1 1 0 0 ... 
$ TotalATM           : int 2 26 8 NA 36 5 19 20 11 3 ... 
$ Tiendas           : int 18 14 17 NA 9 88 18 58 41 48 ... 
$ advertising          : int 0 0 0 NA 0 0 0 0 1 0 ... 
$ animal_boarding         : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ arts_centre          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ atm            : int 0 0 2 NA 0 3 6 3 0 0 ... 
$ bank            : int 0 11 2 NA 1 0 8 7 4 0 ... 
$ bar            : int 2 0 1 NA 0 1 1 0 0 5 ... 
$ bbq            : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ bench            : int 0 0 0 NA 1 0 1 0 0 0 ... 
$ bicycle_parking         : int 0 0 0 NA 0 0 3 0 0 0 ... 
$ bicycle_rental          : int 0 0 0 NA 0 0 1 0 0 0 ... 
$ bicycle_repair_station        : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ biergarten           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ bureau_de_change         : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ bus_station          : int 0 0 0 NA 0 0 2 0 0 0 ... 
$ cafe            : int 2 7 2 NA 0 4 11 0 8 1 ... 
$ cafe.ice_cream          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ car_rental           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ car_wash           : int 0 1 0 NA 0 0 1 0 1 0 ... 
$ charging_station         : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ childcare           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ cinema            : int 0 1 0 NA 1 0 0 0 3 0 ... 
$ clinic            : int 2 0 0 NA 0 0 1 0 2 3 ... 
$ college           : int 0 0 1 NA 0 0 4 0 0 0 ... 
$ community_centre         : int 1 0 0 NA 0 0 0 0 0 0 ... 
$ computer           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ courthouse           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ coworking_space         : int 0 0 1 NA 0 0 0 0 0 0 ... 
$ dancing_school          : int 0 0 1 NA 0 0 0 0 0 0 ... 
$ dentist           : int 1 2 2 NA 0 7 0 4 2 5 ... 
$ doctors           : int 2 1 1 NA 1 1 0 1 0 0 ... 
$ dojo            : int 0 0 0 NA 0 0 0 0 1 1 ... 
$ drinking_water          : int 1 0 0 NA 0 0 0 0 0 0 ... 
$ driving_school          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ embassy           : int 0 0 1 NA 0 0 0 0 0 0 ... 
$ fast_food           : int 4 0 3 NA 1 1 1 0 4 8 ... 
$ fire_station          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ food_court           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ fountain           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ fuel            : int 0 0 0 NA 0 0 0 0 2 0 ... 
$ grave_yard           : int 0 0 0 NA 0 0 0 0 1 0 ... 
$ hospital           : int 0 0 0 NA 2 1 0 2 0 0 ... 
$ hunting_stand          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ ice_cream           : int 0 0 0 NA 0 0 0 0 1 0 ... 
$ internet           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ internet_cafe          : int 1 0 0 NA 0 3 1 1 0 0 ... 
$ kindergarten          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ language_school         : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ library           : int 0 0 0 NA 0 0 1 0 1 0 ... 
$ marketplace          : int 0 0 0 NA 0 0 0 1 0 0 ... 
$ money_transfer          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ music_school          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ nightclub           : int 0 0 1 NA 0 0 0 0 0 0 ... 
$ parking           : int 0 0 1 NA 0 0 2 0 7 2 ... 
$ parking_entrance         : int 0 4 0 NA 0 0 0 0 0 0 ... 
$ parking_space          : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ pharmacy           : int 3 3 1 NA 1 4 5 5 4 5 ... 
$ place_of_worship         : int 1 0 0 NA 0 1 0 3 1 0 ... 
$ police            : int 0 0 0 NA 0 0 1 0 0 0 ... 
$ post_box           : int 0 0 0 NA 0 0 0 0 1 0 ... 
$ post_office          : int 0 1 0 NA 0 0 0 1 0 1 ... 
$ pub            : int 0 0 0 NA 0 0 2 0 0 0 ... 
$ public_building         : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ recycling           : int 0 0 0 NA 1 0 0 0 0 0 ... 
$ residence           : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ restaurant           : int 2 9 5 NA 3 21 10 15 7 13 ... 
$ school            : int 0 1 3 NA 0 0 1 4 1 6 ... 
$ shelter           : int 1 0 0 NA 1 0 0 0 0 0 ... 
$ shower            : int 0 0 0 NA 0 0 0 0 0 0 ... 
$ showers           : int 0 0 0 NA 0 0 0 0 0 0 ... 
    [list output truncated]

私はチューン機能をcrossvalidated SVMモデルを実行しています：

svm_tune <- tune(svm, catrent ~., data = aa, list(gamma = 2^(-1:1), cost = 2^(2:4)))

私はこれを取得していますエラー：

Error in if (any(co)) { : missing value where TRUE/FALSE needed

出典

2017-06-19 anitasp

あなたはna.omitを実行するか、いくつかの値でnanを置き換える必要があります。しかし、SVAを実行する前に、PCAを実行したり次元を減らしたりすることをお勧めします –

ありがとうございました！私はこのエラーに遭遇していることを知っています： '十字'はサンプリングサイズを超えてはならない！、どのようにサンプリングサイズを調整できますか？ – anitasp

データを拡大縮小しましたか？ –

ここに私の示唆に従ってください。

あなたのエラーはあなたのデータにNAが存在するためです。あなたはそれらの世話をするために、異なるapprochを使用することができますが、あなたが唯一の49の観測を持っているので、私は、各列の...私はwoudlう平均naを省略しません：あなたはチューニング機能を使用しているので

for(i in 1:ncol(aa)){ 
    aa[is.na(aa[,i]), i] <- mean(aa[,i], na.rm = TRUE) 
}

。関数を実行する前にデータがスケールされている必要はありません。

しかし、49の観測しかないので、チューニング関数のクロス引数をチューニングする必要があります（e1071パッケージの詳細e10171をご覧ください）。

tc <- tune.control(cross = 5) 
model_1 <- tune.svm(catrent~., data =aa , list(gamma=2^(-1:1), cost = 2^(2:4)), tunecontrol = tc)

出典

2017-06-19 15:47:29

forループの後に、このエラーが発生しました - データ[、i]のエラー：タイプ 'closure'のオブジェクトはサブセット化されていません – anitasp

=の代わりに=を使用しましたか？ –

はい、私には同じエラーが返されます – anitasp

チューニングSVM短いデータフレーム

答えて

関連する問題