在 R 中从 e1071 包训练 SVM 时出现错误“（下标）逻辑下标太长”

Question

我正在使用我的训练数据训练 svm。 （R 中的 e1071 包）。 以下是有关我的数据的信息。

> str(train)
'data.frame':   891 obs. of  10 variables:
$ survived: int  0 1 1 1 0 0 0 0 1 1 ...
$ pclass  : int  3 1 3 1 3 3 1 3 3 2 ...
$ name    : Factor w/ 15 levels "capt","col","countess",..: 12 13 9 13 12 12 12 8 13 13 
$ sex     : Factor w/ 2 levels "female","male": 2 1 1 1 2 2 2 2 1 1 ...
$ age     : num  22 38 26 35 35 ...
$ ticket  : Factor w/ 533 levels "110152","110413",..: 516 522 531 50 473 276 86 396 
$ fare    : num  7.25 71.28 7.92 53.1 8.05 ...
$ cabin   : Factor w/ 9 levels "a","b","c","d",..: 9 3 9 3 9 9 5 9 9 9 ...
$ embarked: Factor w/ 4 levels "","C","Q","S": 4 2 4 4 4 3 4 4 4 2 ...
$ family  : int  1 1 0 1 0 0 0 4 2 1 ...

我训练它如下。

library(e1071)
model1 <- svm(survived~.,data=train, type="C-classification")

这里没问题。 但是当我预测为：

pred <- predict(model1,test)

我收到以下错误：

Error in newdata[, object$scaled, drop = FALSE] : 
(subscript) logical subscript too long

我还尝试从火车和测试数据中删除“票”预测器。 但还是同样的错误。 问题是什么？

Answer 1

“测试”数据集中的因素之一的级别数可能存在差异。

运行 str(test) 并检查因子变量是否与“train”数据集中的相应变量具有相同的级别。

即下面的示例显示my.test$foo只有 4 个级别.....

str(my.train)
'data.frame':   554 obs. of  7 variables:
 ....
 $ foo: Factor w/ 5 levels "C","Q","S","X","Z": 2 2 4 3 4 4 4 4 4 4 ...

str(my.test)
'data.frame':   200 obs. of  7 variables:
 ...
 $ foo: Factor w/ 4 levels "C","Q","S","X": 3 3 3 3 1 3 3 3 3 3 ...

Answer 2

那是正确的火车数据包含 2 个空白，因此有一个额外的空白分类值，您会收到此错误

$ Embarked : Factor w/ 4 levels "","C","Q","S": 4 2 4 4 4 3 4 4 4 2 ...

第一个是空白

Answer 3

我今天遇到了同样的问题。 原来， e1071包中的svm模型只能使用行作为对象，这意味着一行是一个样本，而不是列。 如果以列为样本，以行为变量，则会出现此错误。

Answer 4

可能你的数据很好（测试数据没有新的水平），你只需要一个小技巧，然后你就可以预测了。

test.df = rbind(train.df[1,],test.df)
test.df = test.df[-1,]

这个技巧来自R 随机森林 - 新数据中的预测变量不匹配。 今天我遇到了这个问题，使用了上面的技巧然后解决了这个问题。

Answer 5

我也一直在玩那个数据集。 我知道这是很久以前的事了，但是您可以做的一件事就是明确地只包含您认为会添加到模型中的列，例如：

fit <- svm(Survived~Pclass + Sex + Age + SibSp + Parch + Fare + Embarked, data=train)

这通过消除没有相关数据的无贡献（如票号）列来消除我的问题。

Answer 6

解决我的代码的另一个可能问题是我很难忘记制作一些自变量因子。