Посещая наш сайт, вы соглашаетесь с нашей политикой конфиденциальности в отношении файлов cookie, статистики отслеживания и т. д.

Главная » Вопросы и ответы » Data Science

Функция missForest в R не работает.

На чтение 7 мин Опубликовано
Содержание
  1. Вопрос или проблема
  2. Ответ или решение
  3. Обработка данных
  4. Проверка структуры данных
  5. Ошибки при выполнении функции
  6. Решения
  7. Заключение

Вопрос или проблема

Я пытаюсь использовать функцию missForest() из библиотеки ‘missForest’, но постоянно получаю одно и то же сообщение об ошибке.

Вот код:

библиотеки:

library(dplyr)
library(naniar)
library(missForest)

данные:

url <- 'https://archive.ics.uci.edu/ml/machine-learning-databases/credit-screening/crx.data'
crx <- read.csv(url, sep = ",", header = F)

Затем я заменяю все “?” на нулевые значения (NA):

crx <- crx %>% replace_with_na_all(condition = ~.x == "?")

А затем я применяю missForest, чтобы избавиться от нулевых значений:

crx <- missForest(crx)

И я получаю следующее сообщение об ошибке:

Error: Assigned data `mean(xmis[, t.co], na.rm = TRUE)` must be 

compatible with existing data. ℹ Error occurred for column `V1`. x Can't convert <double> to <character>. Run `rlang::last_error()` to see where the error occurred.
20.
stop(fallback)
19.
signal_abort(cnd)
18.
cnd_signal(error_assign_incompatible_type(x, value, j, value_arg, cnd_message(cnd)))
17.
(function (cnd) { cnd_signal(error_assign_incompatible_type(x, value, j, value_arg, cnd_message(cnd))) ...
16.
signalCondition(cnd)
15.
signal_abort(cnd)
14.
abort(message, class = c(class, "vctrs_error"), ...)
13.
stop_vctrs(message, class = c(class, "vctrs_error_incompatible"), x = x, y = y, details = details, ...)
12.
stop_incompatible(x, y, x_arg = x_arg, y_arg = y_arg, details = details, ..., message = message, class = c(class, "vctrs_error_incompatible_type"))
11.
stop_incompatible_type(x = x, y = to, ..., x_arg = x_arg, y_arg = to_arg, action = "convert", details = details, message = message, class = class)
10.
stop_incompatible_cast(x, to, x_arg = x_arg, to_arg = to_arg, `vctrs:::from_dispatch` = match_from_dispatch(...))
9.
vec_default_cast(x = x, to = to, x_arg = x_arg, to_arg = to_arg, `vctrs:::from_dispatch` = `vctrs:::from_dispatch`, `vctrs:::df_fallback` = `vctrs:::df_fallback`, `vctrs:::s3_fallback` = `vctrs:::s3_fallback`)
8.
(function () vec_default_cast(x = x, to = to, x_arg = x_arg, to_arg = to_arg, `vctrs:::from_dispatch` = `vctrs:::from_dispatch`, `vctrs:::df_fallback` = `vctrs:::df_fallback`, `vctrs:::s3_fallback` = `vctrs:::s3_fallback`))()
7.
`vec_slice<-`(`*tmp*`, i, value = value[[j]])
6.
withCallingHandlers(for (j in seq_along(x)) { xj <- x[[j]] vec_slice(xj, i) <- value[[j]] x[[j]] <- xj ...
5.
tbl_subassign_row(xj, i, value, value_arg)
4.
tbl_subassign(x, i, j, value, i_arg, j_arg, substitute(value))
3.
`[<-.tbl_df`(`*tmp*`, is.na(xmis[, t.co]), t.co, value = NA_real_)
2.
`[<-`(`*tmp*`, is.na(xmis[, t.co]), t.co, value = NA_real_)
1.
missForest(crx)
Show in New WindowClear OutputExpand/Collapse Output
tibble [690 × 16] (S3: tbl_df/tbl/data.frame)
 $ V1 : chr [1:690] "b" "a" "a" "b" ...
 $ V2 : chr [1:690] "30.83" "58.67" "24.50" "27.83" ...
 $ V3 : num [1:690] 0 4.46 0.5 1.54 5.62 ...
 $ V4 : chr [1:690] "u" "u" "u" "u" ...
 $ V5 : chr [1:690] "g" "g" "g" "g" ...
 $ V6 : chr [1:690] "w" "q" "q" "w" ...
 $ V7 : chr [1:690] "v" "h" "h" "v" ...
 $ V8 : num [1:690] 1.25 3.04 1.5 3.75 1.71 ...
 $ V9 : chr [1:690] "t" "t" "t" "t" ...
 $ V10: chr [1:690] "t" "t" "f" "t" ...
 $ V11: int [1:690] 1 6 0 5 0 0 0 0 0 0 ...
 $ V12: chr [1:690] "f" "f" "f" "t" ...
 $ V13: chr [1:690] "g" "g" "g" "g" ...
 $ V14: chr [1:690] "00202" "00043" "00280" "00100" ...
 $ V15: int [1:690] 0 560 824 3 0 0 31285 1349 314 1442 ...
 $ V16: chr [1:690] "+" "+" "+" "+" ...

Я читал на StackOverflow вероятное решение этой проблемы: преобразовать данные в датафрейм с помощью функции as.data.frame(), но это тоже не помогло, и вернуло следующее сообщение об ошибке:

argument is not numeric or logical: returning NAargument is not numeric or logical:
returning NAargument is not numeric or logical: returning NAargument is not numeric or 
logical: returning NAargument is not numeric or logical: returning NAargument is not numeric 
or logical: returning NAargument is not numeric or logical: returning NAargument is not 
numeric or logical: returning NAargument is not numeric or logical: returning NAargument is 
not numeric or logical: returning NAargument is not numeric or logical: returning NA  missForest iteration 1 in progress...done!
Error in FUN(left, right) : non-numeric argument to binary operator

Во-первых, я не понимаю, зачем вы используете пакет naniar для такой простой задачи, как замена значений. Вы можете использовать очень простой метод для замены значений.

После того как вы получили данные, просто используйте это для замены ? значений в ваших данных –

> crx = as.data.frame(crx) 
> crx[crx == '?'] <- NA     # Заменить ? значения на NA

Вы увидите сводку, подобную этой –

> summary(crx)

    V1            V2            V3            V4         V5            V6            V7            V8         V9     
 ?   :  0   22.67  :  9   Min.   : 0.000   ?   :  0   ?   :  0   c      :137   v      :399   Min.   : 0.000   f:329  
 a   :210   20.42  :  7   1st Qu.: 1.000   l   :  2   g   :519   q      : 78   h      :138   1st Qu.: 0.165   t:361  
 b   :468   18.83  :  6   Median : 2.750   u   :519   gg  :  2   w      : 64   bb     : 59   Median : 1.000          
 NA's: 12   19.17  :  6   Mean   : 4.759   y   :163   p   :163   i      : 59   ff     : 57   Mean   : 2.223          
            20.67  :  6   3rd Qu.: 7.207   NA's:  6   NA's:  6   aa     : 54   j      :  8   3rd Qu.: 2.625          
            (Other):644   Max.   :28.000                         (Other):289   (Other): 20   Max.   :28.500          
            NA's   : 12                                          NA's   :  9   NA's   :  9                           
 V10          V11       V12     V13          V14           V15           V16    
 f:395   Min.   : 0.0   f:374   g:625   00000  :132   Min.   :     0.0   -:383  
 t:295   1st Qu.: 0.0   t:316   p:  8   00120  : 35   1st Qu.:     0.0   +:307  
         Median : 0.0           s: 57   00200  : 35   Median :     5.0          
         Mean   : 2.4                   00160  : 34   Mean   :  1017.4          
         3rd Qu.: 3.0                   00080  : 30   3rd Qu.:   395.5          
         Max.   :67.0                   (Other):411   Max.   :100000.0          
                                        NA's   : 13

Запустите функцию str, чтобы получить представление о значениях переменных –

> str(crx)
'data.frame':   690 obs. of  16 variables:
 $ V1 : Factor w/ 3 levels "?","a","b": 3 2 2 3 3 3 3 2 3 3 ...
 $ V2 : Factor w/ 350 levels "?","13.75","15.17",..: 158 330 91 127 45 170 181 76 312 257 ...
 $ V3 : num  0 4.46 0.5 1.54 5.62 ...
 $ V4 : Factor w/ 4 levels "?","l","u","y": 3 3 3 3 3 3 3 3 4 4 ...
 $ V5 : Factor w/ 4 levels "?","g","gg","p": 2 2 2 2 2 2 2 2 4 4 ...
 $ V6 : Factor w/ 15 levels "?","aa","c","cc",..: 14 12 12 14 14 11 13 4 10 14 ...
 $ V7 : Factor w/ 10 levels "?","bb","dd",..: 9 5 5 9 9 9 5 9 5 9 ...
 $ V8 : num  1.25 3.04 1.5 3.75 1.71 ...
 $ V9 : Factor w/ 2 levels "f","t": 2 2 2 2 2 2 2 2 2 2 ...
 $ V10: Factor w/ 2 levels "f","t": 2 2 1 2 1 1 1 1 1 1 ...
 $ V11: int  1 6 0 5 0 0 0 0 0 0 ...
 $ V12: Factor w/ 2 levels "f","t": 1 1 1 2 1 2 2 1 1 2 ...
 $ V13: Factor w/ 3 levels "g","p","s": 1 1 1 1 3 1 1 1 1 1 ...
 $ V14: Factor w/ 171 levels "?","00000","00017",..: 70 13 98 33 39 117 56 25 64 17 ...
 $ V15: int  0 560 824 3 0 0 31285 1349 314 1442 ...
 $ V16: Factor w/ 2 levels "-","+": 2 2 2 2 2 2 2 2 2 2 ...

Здесь вы видите, что ваши столбцы V2 и V14 имеют более 53 уровней (категорий). Метод случайного леса не может использоваться с переменными, имеющими более 53 категорий. Поэтому вы не можете использовать их в missForest. Если вы используете, вы получите ошибку следующего вида –

Error in randomForest.default(x = obsX, y = obsY, ntree = ntree, mtry = mtry, :
Can not handle categorical predictors with more than 53 categories.

Таким образом, ваш вариант – использовать другие переменные, кроме этих двух.

> crx_impute = missForest(crx[,c(1,3,4,5,6,7,8,9,10,11,12,13,15,16)])

Затем вы можете использовать crx_impute$ximp, чтобы получить свои интерполированные данные.

Ответ или решение

Вопрос использования функции missForest() из библиотеки missForest в R часто вызывает сложности у пользователей, особенно когда дело касается корректной обработки данных. Рассмотрим основные причины, по которым может возникать ошибка, и предоставим решение.

Обработка данных

В вашем коде данные загружаются с помощью:

url <- 'https://archive.ics.uci.edu/ml/machine-learning-databases/credit-screening/crx.data'
crx <- read.csv(url, sep = ",", header = FALSE)

Этот этап загрузки является корректным. Однако, вы заменяете значения "?" на NA с использованием naniar, что можно сделать и более простым способом:

crx[crx == '?'] <- NA

Проверка структуры данных

Для корректного функционирования missForest важно удостовериться, что данные имеют правильный формат. Используйте функцию str() для проверки структуры вашего датафрейма:

str(crx)

Ошибки при выполнении функции

Ошибка, которую вы получаете, указывает на проблему с типами данных в ваших переменных. Функция missForest не может обрабатывать факторы с более чем 53 уровнями. Вы должны выявить такие столбцы, например:

  • V2 (содержит слишком много категорий)
  • V14 (тоже имеет большое количество категорий)

Эти факторы могут вызывать сбои в работе алгоритма, так как randomForest не справляется с переменными, имеющими большое количество уникальных значений.

Решения

Для устранения проблемы вам нужно выполнить следующие шаги:

  1. Исключите проблемные столбцы: Примените missForest, исключив колонки с факторами более 53 уровней:
crx_impute <- missForest(crx[, c(1, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 15, 16)])
  1. Получите результаты: После выполнения функции вы можете получить импутированные данные через:
imputed_data <- crx_impute$ximp

Заключение

При использовании функции missForest необходимо обращать внимание на типы данных и количество уникальных значений в ваших факторах. Эффективное управление данными, включая удаление или изменение проблемных столбцов, поможет избежать ошибок и обеспечить корректную работу функции. Понимание этого аспекта тотчас повысит качество вашей обработки данных и упростит выполнение анализа.

Если у вас возникли дополнительные вопросы или вы столкнулись с новыми ошибками, не стесняйтесь обращаться за помощью.

missing-data r
Оцените материал
Добавить комментарий

Капча загружается...

© 2025 IZ6.RU
*В материалах сайта упоминаются социальные сети Фейсбук / Инстаграм, принадлежащие Meta Platforms Inc., деятельность которой запрещена на территории РФ в части реализации данных социальных сетей на основании осуществления ею экстремистской деятельности