Azure机器学习：编译R脚本，但结果不同

Question

我在Azure中构建了一个ML模型，我的大多数数据转换/功能生成步骤都是在R中执行的。 起初，我转换了R本身的数据（工作得更快）并将创建的csv上传到ML studio。

现在我的模型已经完成了，我尝试在ML studio中运行R代码，而不是手动上传转换后的数据集。它运行完美。但是，当我比较结果数据集（上传的数据集和创建的数据集）时，它们会有所不同。列具有不同的手段，格式，模型执行较少。实际数据条目/单元格看起来很好。

我觉得它与列的格式有关，所以我尝试了将列转换为字符类型，或将结果数据集转换为csv（在ML studio中）并让ML studio弄清楚如何格式化它们之类的东西。

到目前为止，没有结果。

有没有人遇到过这个问题？解决方案是什么？

Answer 1

管理解决它：

• 手动上传的数据集仅在Azure中使用“字符串功能”进行格式化。 （因为有些NA的工作室ML以这种方式格式化它们。）
• 然而，R脚本以不同方式格式化NA，因此格式化列。

我不完全确定是什么导致了不同的结果，因为数据在字符方面是相同的。只有NA的格式不同，就像列一样。

以下解决了我的问题（在工作室ML的Rscript结尾处）：

data = data.frame(lapply(data, as.character), stringsAsFactors=FALSE)
data[is.na(data)] = "NA"