Question

我正在使用credit.csv构建学习树，数据可在以下网址找到：

https://github.com/stedy/Machine-Learning-with-R-datasets/blob/master/credit.csv

我已经做了以下步骤：

credit<-read.csv("credit.csv")
set.seed(12345)
credit_rand<-credit[order(runif(1000)),]
credit_train<-credit_rand[1:900,]
credit_test<-credit_rand[901:1000,]
library(C50)
credit_model<-C5.0(credit_train[-21],credit_train$default)

在我关注的指南中，似乎我应该删除默认值的最后一列，但是我收到以下错误：

Error en C5.0.default(credit_train[, -21], credit_train$default) : 
  C5.0 models require a factor outcome

我尝试将最后一行更改为：

credit_model<-C5.0(credit_train[,-21],credit_train$default)

但完全没有成功。

任何帮助？

Answer 1

你的问题是C5.0 models require a factor outcome。您已将结果指定为credit_train$default，这是1/2结果，但R已将其读作数字，而不是因子：

str(credit_train$default)
int [1:900] 2 1 1 1 2 1 2 2 1 1 ...

然后解决方案是将其转换为因子：

credit_train$default<-as.factor(credit_train$default)
str(credit_train$default)

Factor w/ 2 levels "1","2": 2 1 1 1 2 1 2 2 1 1 ...

然后进行训练：

 credit_model<-C5.0(credit_train[-21],credit_train$default)

Answer 2

在原始数据provided by the publisher中，类变量（默认）存储在第17列，而不是第21列。除非过去几个月发生了重大变化，否则您的文件很可能存在不是正确的。

在我购买本书后从该网站获得的文件中，类变量“default”是一个具有两个级别（“是”和“否”）的因子，应该如此。

根据该书，相应地，应该执行的命令是

credit_model <- C5.0(credit_train[-17], credit_train$default)

接着是

credit_pred <- predict(credit_model, credit_test)

然后它就像一个魅力。

# > CrossTable(credit_test$default, credit_pred,
# +            prop.chisq = FALSE, prop.c = FALSE, prop.r = FALSE,
# +            dnn = c('actual default', 'predicted default'))
#
#
#   Cell Contents
# |-------------------------|
# |                       N |
# |         N / Table Total |
# |-------------------------|
#
# 
# Total Observations in Table:  100 
#
# 
#               | predicted default 
#actual default |        no |       yes | Row Total | 
#---------------|-----------|-----------|-----------|
#            no |        57 |        11 |        68 | 
#               |     0.570 |     0.110 |           | 
#---------------|-----------|-----------|-----------|
#           yes |        16 |        16 |        32 | 
#               |     0.160 |     0.160 |           | 
#---------------|-----------|-----------|-----------|
#  Column Total |        73 |        27 |       100 | 
#---------------|-----------|-----------|-----------|

C5.0模型需要一个因子结果

2 个答案: