Question

PenalizedLDA( x = train_x, y =train_y)返回

sort.int（x，na.last = na.last，减少=减少，...）中的错误： 'x'必须是原子的

我正在尝试对来自UCI的sampbase数据集的套索使用线性判别分析。（我已将标题添加到列中，并在适当的地方将列返回到间隔[0,1]。

我第一次运行代码时出现错误

PenalizedLDA（x = train_x，y = train_y）中的错误： y必须是数值向量，其值如下：1、2 ....

我通过将train_y传递为

解决了这个问题

train_y =as.list.numeric_version(training_set[,58])

当我再次运行它时，我得到了错误

sort.int（x，na.last = na.last，减少=减少，...）中的错误： 'x'必须是原子的

我在这里被卡住了。

library(penalizedLDA)
data = read.csv("spambase.csv",header = TRUE)

new_data = data/100
new_data[,c(55,56,57,58)] = data[,c(55,56,57,58)]
new_data[,58]= factor(new_data[,58])

# Splitting dataset into Training set and Test set


set.seed(seeds)
split = sample.split(new_data$factor, SplitRatio = 0.7)
training_set = subset(new_data, split == TRUE)
test_set = subset(new_data, split == FALSE)

#scale data

training_set[-58] = scale(training_set[,-58])
test_set[-58] = scale(test_set[,-58])

train_x =training_set[,-58]
train_y =as.list.numeric_version(training_set[,58])
#Sparse linear discriminant Analysis
classifier = PenalizedLDA( x = training_set[,-58], y =training_set[,58],K = 1,lambda = "standard")

Answer 1

根据PenalizedLDA()的帮助页面，其参数y =应为：

包含类标签的n向量。应编码为1、2 、. 。。，nclasses，其中nclasses是类的数量。

这意味着感兴趣的变量的级别（在您的情况下为58）应从1开始而不是从0开始。此外，请勿使用函数as.list.numeric_version()，因为它会创建一个列表，而a向量是必需的。

data = read.csv("...")

new_data = data/100
new_data[,c(55,56,57,58)] = data[,c(55,56,57,58)]
new_data[,58] = factor(new_data[,58] + 1)  # in order to start at 1 and not 0
new_data[-58] = scale(new_data[,-58])

classifier = PenalizedLDA(x = new_data[,-58], y = new_data[,58], K = 1, lambda = .1)

尝试使用LASSO执行LDA

1 个答案: