Wat moet ik doen voor deze fout?
Mijn code is:
library(e1071)
library(hydroGOF)
donnees <- read.csv("F:/new work with shahab/Code-SVR/SVR/MainData.csv")
summary(donnees)
#partitioning into training and testing set
donnees.train <- donnees[donnees$subset=="train",2:ncol(donnees)]
donnees.test <- donnees[donnees$subset=="test",2:ncol(donnees)]
#use the mean of the dependent variable as a predictor
def.pred <- mean(donnees.train$y)
#error sum of squares of the default model on the test set
def.rss <- sum((donnees.test$y-def.pred)^2)
print(def.rss)
plot(donnees.train)
#*****************
#linear regression
#*****************
#Linear Models
reg <- lm(y ~., data = donnees.train)
print(summary(reg))
#error sum of squares of the model on the test set
reg.pred <- predict(reg,newdata = donnees.test)
reg.rss <- sum((donnees.test$y-reg.pred)^2)
print(reg.rss)
#pseudo-r-squared
print(1.0-reg.rss/def.rss)
#**********************************
#rbf epsilon-svr with cost = 1.0
#**********************************
epsilon.svr <- svm(y ~.,data = donnees.train, scale = T, type = "eps-regression",
kernel = "radial", cost = 1.0, epsilon=0.1,tolerance=0.001, shrinking=T,
fitted=T)
print(epsilon.svr)
#prédiction
esvr.pred <- predict(epsilon.svr,newdata = donnees.test)
esvr.rss <- sum((donnees.test$y-esvr.pred)^2)
#pseudo-R2
print(1.0-esvr.rss/def.rss)
esvr.rmse=rmse(donnees.test$y,esvr.pred)
print(esvr.rmse)
#****************************************************
#detect the "best" cost parameter for rbf epsilon-svr
#****************************************************
costs <- seq(from=0.05,to=3.0,by=0.005)
pseudor2 <- double(length(costs))
for (c in 1:length(costs)){
epsilon.svr <- svm(y ~.,data = donnees.train, scale = T, type = "eps-regression",
kernel = "radial", cost = costs[c], epsilon=0.1,tolerance=0.001, shrinking=T,
fitted=T)
#prédiction
esvr.pred <- predict(epsilon.svr,newdata = donnees.test)
esvr.rss <- sum((donnees.test$y-esvr.pred)^2)
pseudor2[c] <- 1.0-esvr.rss/def.rss
}
#graphical representation
plot(costs,pseudor2,type="l")
#show the max. of pseudo-r2 and the corresponding cost parameter
print(max(pseudor2))
k <- which.max(pseudor2)
print(costs[k])
En mijn hoofdgegevens in Excel-werkblad zijn:
subset x1 x2 y
train 18 1088 9.77
train 0 831 5.96
train 0 785 5.36
train 0 762 5.08
train 0 749 4.92
train 0.5 731 4.69
train 0 727 4.64
train 2 743 4.84
train 5 818 5.83
train 12 942 7.49
train 13 973 7.98
train 89.5 1292 12.94
train 46.5 1086 9.61
train 5.5 877 6.59
train 1 826 5.89
train 0.5 780 5.3
train 3.5 756 5
train 4 764 5.1
train 28.5 851 6.26
train 10 866 6.45
train 20.5 839 6.09
train 7 759 5.03
train 0.5 722 4.57
train 0 708 4.4
train 0 694 4.22
train 0 689 4.16
train 0 679 4.03
train 11 769 5.2
train 0.5 697 4.26
train 10.5 702 4.33
train 1.5 692 4.2
train 3 743 4.86
train 16 958 7.98
train 14 835 6.05
train 0 713 4.46
train 0.5 671 3.94
train 0 659 3.79
train 0 646 3.63
train 0.5 636 3.52
train 0 627 3.43
train 0 629 3.44
train 1 682 4.1
train 8.5 735 4.81
train 1 729 4.67
train 0 649 3.66
train 56 774 5.29
train 1.5 663 3.84
train 5.5 787 5.49
train 50 839 6.14
train 6.5 699 4.29
train 1.5 756 5.03
train 11.5 669 3.91
train 5 684 4.1
train 0 653 3.71
train 0.5 669 3.94
train 0 638 3.53
train 0.5 647 3.65
train 12.5 715 4.56
train 7.5 921 7.37
train 50 1149 10.95
train 10.5 772 5.21
train 23.5 1205 11.93
train 23.5 1171 11.01
train 8.5 927 7.26
train 0.5 1009 8.45
train 4 1019 8.62
train 0 968 7.88
train 2 862 6.38
train 22 1349 14.15
train 16.5 1029 8.74
train 8.5 846 6.15
train 0.5 853 6.26
train 9.5 819 5.81
train 19.5 775 5.24
train 23 746 4.88
train 46.5 723 4.58
train 1 733 4.72
train 26.5 731 4.69
train 34.5 814 5.81
train 2 743 4.84
train 0 715 4.49
train 4 680 4.05
train 8 816 5.85
train 20 823 5.91
train 0.5 824 5.93
train 2.5 746 4.88
train 0 817 5.87
train 0 732 4.7
train 6 682 4.07
train 0 685 4.12
train 1 719 4.56
train 10.5 701 4.31
train 23.5 1002 8.74
train 23.5 947 7.71
train 8.5 808 5.66
train 0.5 835 6.06
train 4 811 5.71
train 0 709 4.42
train 2 696 4.25
train 22 913 7.21
train 16.5 860 6.42
train 8.5 902 7.15
train 0.5 781 5.32
train 9.5 862 6.45
train 19.5 833 6.02
train 23 803 5.63
train 46.5 903 7.06
train 1 822 5.86
train 26.5 1040 9.19
train 34.5 939 7.55
train 2 793 5.48
train 0 730 4.68
train 4 719 4.53
train 8 706 4.38
train 20 829 5.99
train 0.5 724 4.6
train 2.5 697 4.26
train 0 669 3.91
train 0 657 3.76
train 6 724 4.66
train 0 657 3.76
train 1 676 4.02
train 23.5 968 8.24
train 0 696 4.25
train 12 727 4.73
train 0.5 651 3.69
train 3.5 685 4.12
train 0.5 668 3.9
train 0 626 3.4
train 0 619 3.32
train 1 697 4.34
train 0.5 624 3.37
train 13.5 683 4.14
train 0 651 3.68
train 0 621 3.33
train 0 612 3.24
train 3 668 3.91
train 0 626 3.39
train 0.5 614 3.27
train 0 614 3.26
train 2.5 630 3.45
train 0.5 617 3.3
train 0 616 3.3
train 8 684 4.14
train 0.5 612 3.24
train 0 598 3.09
train 0 588 2.99
train 0 590 3
train 6 648 3.71
train 0 598 3.1
train 2 614 3.29
train 33 804 5.9
train 0 619 3.32
train 0 588 2.98
train 0 577 2.87
train 0 571 2.81
train 0.5 572 2.82
train 4.5 607 3.2
train 0 579 2.89
train 0 562 2.72
train 0 565 2.74
train 0 554 2.63
train 0 543 2.51
train 0 536 2.44
train 0 531 2.39
train 0 532 2.4
train 0.5 529 2.36
train 0 527 2.35
train 0 528 2.36
train 0 523 2.31
train 0 521 2.29
train 0 523 2.31
train 0.5 541 2.49
train 0 522 2.3
train 0.5 533 2.42
train 2 529 2.37
train 10 638 3.65
train 0.5 544 2.52
train 5 627 3.52
train 0 535 2.43
train 0 516 2.24
train 0 520 2.27
train 32 841 6.55
train 11.5 838 6.29
train 0 595 3.06
train 0.5 592 3.03
train 0 558 2.67
train 0 540 2.48
train 0 534 2.42
train 2 539 2.46
train 13 623 3.42
train 0 553 2.62
train 0 561 2.71
train 0 546 2.55
train 0 512 2.2
train 2 518 2.26
train 32 702 4.46
train 27 731 4.76
train 1 604 3.15
train 0 584 2.94
train 0 548 2.57
train 0 519 2.26
train 29.5 735 4.91
train 0 564 2.74
train 12 606 3.23
train 0 542 2.51
train 0 516 2.24
train 0 508 2.15
train 0 500 2.07
train 0 495 2.03
train 0 496 2.04
train 0 492 1.99
train 0 496 2.04
train 0 490 1.98
train 0 494 2.02
train 0 490 1.99
train 3 548 2.62
train 17 546 2.61
train 9.5 737 4.95
train 1.5 584 2.96
train 0 521 2.27
train 0.5 526 2.34
train 0 539 2.48
train 24.5 699 4.45
train 41 740 4.97
train 3 569 2.8
train 1 525 2.32
train 0 511 2.18
train 0 498 2.05
train 2 597 3.22
train 0.5 520 2.27
train 66 909 7.77
train 23 716 4.54
train 0.5 564 2.74
train 4.5 582 2.94
train 0 577 2.88
train 0 527 2.34
train 0 512 2.19
train 0 503 2.09
train 8.5 561 2.73
train 0 533 2.4
train 24.5 640 3.77
train 0 515 2.21
train 0 496 2.03
train 0 485 1.93
train 0 480 1.88
train 0 476 1.85
train 0 480 1.88
train 24 689 4.34
train 0 568 2.79
train 0 506 2.12
train 8.5 680 4.19
train 12 657 3.87
train 5.5 635 3.61
train 19.5 761 5.18
train 1.5 567 2.77
train 3.5 678 4.1
train 4 574 2.84
train 7 628 3.5
train 6 656 3.77
train 0 551 2.6
train 0.5 526 2.33
train 0.5 555 2.64
train 8.5 666 4.01
train 1 564 2.74
train 0 534 2.41
train 0 521 2.27
train 7.5 599 3.15
train 4.5 585 2.96
train 3 647 3.65
train 0 547 2.56
train 0 531 2.38
train 0 508 2.15
train 0 500 2.08
train 0 503 2.09
train 0 492 1.99
train 0.5 492 1.99
train 5 647 3.92
train 0 513 2.19
train 6.5 523 2.3
train 2 527 2.35
train 2 522 2.3
train 22.5 817 6.14
train 18.5 808 5.86
train 8.5 775 5.37
train 4.5 705 4.37
train 58 891 6.96
train 7 642 3.58
train 7 614 3.29
train 10.5 772 5.29
train 7.5 714 4.54
train 3.5 613 3.25
train 6 575 2.85
train 24.5 680 4.19
train 18.5 801 5.64
train 0 640 3.55
train 6.5 610 3.23
train 0.5 592 3.03
train 36.5 835 6.2
test 0 673 3.97 2.97 2.49
test 0.5 571 2.81 3.74 2.3
test 0 553 2.62 3.56 3.1
test 6 597 3.17 3.52 3.46
test 7 584 2.97 3.75 3.6
test 4.5 649 3.74 3.76 3.5
test 9.5 636 3.56 5.27 5.4
test 14.5 629 3.52 3.69 3.65
test 6.5 648 3.75 3.01 3
test 18 653 3.76 4.07 4.1
test 25.5 767 5.27 3.52 3.46
test 16 650 3.69 5.49 5.1
test 0.5 589 3.01 5.79 5.3
test 18.5 676 4.07 5.29 5.12
test 10 635 3.52 3.4 3.2
test 64 784 5.49 4.11 4.3
test 35.5 812 5.79 2.91 3
test 17.5 775 5.29 2.66 2.9
test 0.5 627 3.4 2.88 2.4
test 7 680 4.11 4.46 4.26
test 0 581 2.91 7.43 6.6
test 0 557 2.66 10.73 9.08
test 0 578 2.88 10.87 9.4
test 21 707 4.46 10.3 9.1
test 40 911 7.43 11.52 10.7
test 61 1151 10.73 11.33 10.4
test 42 1144 10.87 10.61 10.8
test 13 1121 10.3 13.26 13.29
test 6.5 1208 11.52 16.74 15.2
test 7.5 1206 11.33 13.26 12.7
test 0.5 1158 10.61 13.36 12.9
test 30.5 1328 13.26 11.22 11.19
test 84 1529 16.74 10.68 13.1
test 18.5 1332 13.26 13.22 13.8
test 8 1338 13.36 8.68 9.1
test 0.5 1199 11.22 8.13 10.05
test 19.5 1163 10.68 7.51 7.8
test 36.5 1313 13.22 7.05 9.6
test 1.5 1026 8.68 6.99 10.7
test 1 988 8.13 6.39 6.18
test 0 945 7.51 6.71 6.12
test 0 912 7.05 8.51 8.28
test 2 907 6.99 7.69 7.95
test 0.5 864 6.39 7.66 7.2
test 4 887 6.71 6.73 6.9
test 20 1012 8.51 6.86 6.4
test 21.5 957 7.69 8.88 8.1
test 17.5 955 7.66 7.26 7.4
test 1 889 6.73 6.35 6.32
test 11 898 6.86 6.25 6.18
test 9.5 1039 8.88 6.32 6.2
test 2.5 927 7.26 7.46 7.7
test 2.5 859 6.35 5.7 5.4
test 5 853 6.25 7.5 7.9
test 4 858 6.32 6.51 6.3
test 8 936 7.46 7.51 7.39
test 4 811 5.7 9.02 9.01
test 9 937 7.5 6.16 6.12
test 9 871 6.51 5.35 5.6
test 9 943 7.51 5.61 5.9
test 5 1047 9.02 8.56 8.3
test 6.5 846 6.16 7.3 7.1
test 2 784 5.35 6.4 6.2
test 3.5 804 5.61 5.46 5.43
test 0 726 4.63 5.3 5.32
test 37 917 7.3 7.2 7.12
test 12 864 6.4 6.1 6.01
Dus wat moet ik nu doen? Hoe kan ik deze fout oplossen?
Fout in PLOT.WINDOW (…): Noodzaak van eindige ‘XLIM’-waarden
Bovendien: Waarschuwingsberichten:
1: in min (X): geen niet-ontbrekende argumenten aan MIN; retourneren van INF
2: in max (x): geen niet-ontbrekende argumenten voor max; retourneren -inf
Als het mogelijk is, corrigeer alstublieft mijn code.
Ik ben niet erg bekend met Rstudio en R.
Antwoord 1, Autoriteit 100%
Het probleem is dat u (waarschijnlijk) probeert een vector te plotten die uitsluitend bestaat uit ontbrekende (NA
) waarden. Hier is een voorbeeld:
> x=rep(NA,100)
> y=rnorm(100)
> plot(x,y)
Error in plot.window(...) : need finite 'xlim' values
In addition: Warning messages:
1: In min(x) : no non-missing arguments to min; returning Inf
2: In max(x) : no non-missing arguments to max; returning -Inf
In uw voorbeeld betekent dit dat in uw regel plot(costs,pseudor2,type="l")
, costs
volledig NA
. Je moet erachter komen waarom dit is, maar dat is de uitleg van je fout.
van opmerkingen:
Scott C Wilson :
Een andere mogelijke oorzaak van dit bericht (niet in dit geval, maar in andere) probeert tekenwaarden te gebruiken als X- of Y-gegevens. U kunt de klasse-functie gebruiken om uw X- en Y-waarden te controleren om er zeker van te zijn of u denkt dat dit uw probleem kan zijn.
Stevec : hier is een Snelle en eenvoudige oplossing aan dat probleem (in feite wikkel x in as.factor(x)
)
Antwoord 2, Autoriteit 15%
Deze fout verschijnt wanneer de kolom een teken bevat, als u het gegevenstype controleert, is het van het type ‘ChR’ om de kolom te converteren naar ‘Factor’ zou dit probleem oplossen.
voor b.v. Als je ‘City’ tegen ‘Sales’ plotten, moet je kolom ‘City’ omzetten om ‘factor’
te typen
Antwoord 3, Autoriteit 12%
Ik had hetzelfde probleem. Mijn oplossing was om alle vectoren numeriek te maken.
Antwoord 4, Autoriteit 3%
Ik had hetzelfde probleem. Ik lol het op wanneer ik string naar factor converteer. Controleer in uw geval de klasse van variabele en controleer of deze numerieke en ‘trein en test’ zijn, moeten factor zijn.