K-Means聚類為R錯誤

Question

我有一個我在R中創建的數據集。它的結構如下：

> head(btc_data)
           Date btc_close eth_close vix_close gold_close DEXCHUS change
1647 2010-07-18      0.09        NA        NA         NA      NA      0
1648 2010-07-19      0.08        NA     25.97    115.730      NA     -1
1649 2010-07-20      0.07        NA     23.93    116.650      NA     -1
1650 2010-07-21      0.08        NA     25.64    115.850      NA      1
1651 2010-07-22      0.05        NA     24.63    116.863      NA     -1
1652 2010-07-23      0.06        NA     23.47    116.090      NA      1

我試圖用k-means聚類觀察。 但是，我收到以下錯誤消息：

> km <- kmeans(trainingDS, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In storage.mode(x) <- "double" : NAs introduced by coercion 

這是什么意思？ 我是否錯誤地預處理了數據？ 我該怎么辦才能修復它？ 我不能放棄NA的，因為在4500次初始觀察中，如果我運行complete cases我只剩下100次觀察。

從本質上講，我希望3個集群將形成基礎上， change其中有1,0,1值列。 然后，我希望分析每個群集的組件，以找到最強的變化預測因子。 還有哪些其他最有用的算法呢？

我還嘗試使用以下代碼刪除所有NA值，但我仍然得到相同的錯誤消息：

> complete_cases <- btc_data[complete.cases(btc_data), ]
> km <- kmeans(complete_cases, 3, nstart = 20)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In storage.mode(x) <- "double" : NAs introduced by coercion

> sum(!sapply(btc_data, is.finite)) 
[1] 8008
> sum(sapply(btc_data, is.nan))
[1] 0
> 
> sum(!sapply(complete_cases, is.finite)) 
[1] 0
> sum(sapply(complete_cases, is.nan))
[1] 0

這是數據的格式：

> sapply(btc_data, class)
      Date  btc_close  eth_close  vix_close gold_close    DEXCHUS     change 
    "Date"  "numeric"  "numeric"  "numeric"  "numeric"  "numeric"   "factor" 

Answer 1

獲取此錯誤消息的原因有多種，特別是在存在無效數據類型（NA，NaN，Inf）或日期時。 我們來看看吧：

但首先，讓我們檢查它是否適用於mtcars數據集，因為我將使用它：

kmeans(mtcars, 3)
K-means clustering with 3 clusters of sizes 9, 7, 16
--- lengthy output omitted

可能的問題1：無效的數據類型 ： NA/NaN/Inf

df <- mtcars
df[1,1] <- NA
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

df[1,1] <- Inf
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

df[1,1] <- NaN
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

您可以使用以下方法檢查這些值：

df[1:3,1] <- c(NA, Inf, NaN) # one NA, one Inf, one NaN
sum(sapply(df, is.na))
[1] 2
sum(sapply(df, is.infinite))
[1] 1
sum(sapply(df, is.nan))
[1] 1

為了擺脫這些，我們可以刪除相應的觀察結果。 但請注意， complete.cases不會刪除Inf ：

complete_df <- df[complete.cases(df),]
sum(sapply(complete_df, is.infinite))
[1] 1

相反，使用例如

df[apply(sapply(df, is.finite), 1, all),]

您也可以重新分配這些值或將它們歸為它們，但這是一個完全不同的過程。

可能的問題II：日期：請參閱以下內容：

library(lubridate)
df <- mtcars
df$date <- seq.Date(from=ymd("1990-01-01"), length.out = nrow(df), by=1)
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In kmeans(df, 3) : NAs introduced by coercion

您可以通過排除日期或將日期轉換為其他日期來解決此問題，例如

df$newdate <- seq_along(df$date)
df$date <- NULL
kmeans(df, 3)
K-means clustering with 3 clusters of sizes 9, 7, 16
---- lengthy output omitted

或者，在將日期傳遞給kmeans之前，您可以嘗試將日期強制為數字：

df <- mtcars
df$date <- seq.Date(from=ymd("1990-01-01"), length.out = nrow(df), by=1)
df$date <- as.numeric(df$date)
kmeans(df, 3)
K-means clustering with 3 clusters of sizes 9, 16, 7
--- lengthy output omitted

Answer 2

檢查要聚類的變量的數據類型。 如果數據類型是非數字的，很可能會出現錯誤。 在群集之前，還要嘗試正確處理日期格式。

Answer 3

您是否在群集中使用“日期”列？

您應該使用數字類型數據來使用k-means聚類。

試試這個，

btc_data $ Date = as.numeric（gsub（“ - ”，“”，as.character（btc_data $ Date）））