如何从文档术语矩阵中删除NaN值

Question

我正在使用RTextTools构建一个带有矩阵和模型的训练集，稍后我会将其应用于不同的文档来对它们进行分类。

编辑：矩阵是文档术语矩阵

我遇到的问题是，当我使用以下行创建new_matrix时，有时会出现某些文档

new_matrix <- create_matrix(data$document,language="english", removeNumbers=FALSE, removePunctuation=TRUE, removeStopwords=TRUE, toLower=TRUE, stemWords=TRUE, minDocFreq=1,weighting=weightTfIdf,originalMatrix=matrix)

我得到一些NaN值，这使我的语料库失败

corpus <- create_corpus(new_matrix,data$value, testSize=1:100,virgin=FALSE)

错误

Error in .csr.coo(x) : NA/NaN/Inf in foreign function call (arg 4)

我不确定为什么会有一些NaN值。我的猜测是它与new_matrix上存在的某些单词有关，而与原始矩阵无关。

如何在结果矩阵中更改0的NaN值？

这会改变分类结果吗？

任何帮助非常感谢！谢谢！

Answer 1

使用is.na（）：

查找NaN值的简单方法

data<-c(1,2,NaN,4,2)
data[is.na(data)]<-0
data

[1] 1 2 0 4 2

Answer 2

我是RTextTools的首席开发人员，如果您能向我发送此错误的示例，我将非常感谢。 originalMatrix参数是在过去两个月内引入的，并且可能存在一些关于如何处理的问题。你可以在我的网站上发送电子邮件（http://www.timjurka.com/）