在R

Question

我正在研究http://r-statistics.co/Logistic-Regression-With-R.html的一个例子。我对smbinning代码有问题。我试图通过使用smbinning来获取信息价值。

library(smbinning)
# segregate continuous and factor variables
factor_vars <- c ("WORKCLASS", "EDUCATION", "MARITALSTATUS", "OCCUPATION", "RELATIONSHIP", "RACE", "SEX", "NATIVECOUNTRY")
continuous_vars <- c("AGE", "FNLWGT","EDUCATIONNUM", "HOURSPERWEEK", "CAPITALGAIN", "CAPITALLOSS")

iv_df <- data.frame(VARS=c(factor_vars, continuous_vars), IV=numeric(14))  # init for IV results

# compute IV for categoricals
for(factor_var in factor_vars){
  smb <- smbinning.factor(trainingData, y="ABOVE50K", x=factor_var)  # WOE table
  if(class(smb) != "character"){ # heck if some error occured
    iv_df[iv_df$VARS == factor_var, "IV"] <- smb$iv
  }
}

这是给出的代码。我无法理解检查同类课程背后的原因。我对smbinning的一般理解也不是那么好。

for(vars in factor_vars){
 smb <- smbinning.factor(trainingData, y = "ABOVE50K", x = vars )
 iv_df[iv_df$VARS == vars, "IV"] <- smb["iv"]
}

当我运行此代码时，我得到一些值NA值。所以显然需要课堂检查，但为什么呢？

非常感谢。

Answer 1

按照这封信的例子，你的问题如下：

1. 如果您执行smb <- smbinning.factor(trainingData, y="ABOVE50K", x="EDUCATION")然后smb，则

  

1＆＃34;太多类别＆＃34;

1. str(trainingData)显示：

  

$ EDUCATION：因子w / 16级...

1. 虽然smbinning documentation说明了

  

maxcat - 指定最大类别数。默认值为10. x的名称   一定不能有点。

1. 因此，您的解决方案是在for循环中使用：smb <- smbinning.factor(trainingData, y="ABOVE50K", x=factor_var, maxcat=16)