Ik heb dit uitgebreid onderzocht zonder een oplossing te vinden. Ik heb mijn dataset als volgt opgeschoond:
library("raster")
impute.mean <- function(x) replace(x, is.na(x) | is.nan(x) | is.infinite(x) ,
mean(x, na.rm = TRUE))
losses <- apply(losses, 2, impute.mean)
colSums(is.na(losses))
isinf <- function(x) (NA <- is.infinite(x))
infout <- apply(losses, 2, is.infinite)
colSums(infout)
isnan <- function(x) (NA <- is.nan(x))
nanout <- apply(losses, 2, is.nan)
colSums(nanout)
Het probleem doet zich voor bij het uitvoeren van het voorspellingsalgoritme:
options(warn=2)
p <- predict(default.rf, losses, type="prob", inf.rm = TRUE, na.rm=TRUE, nan.rm=TRUE)
Al het onderzoek zegt dat het NA’s of Inf’s of NaN’s in de gegevens zouden moeten zijn, maar ik vind er geen. Ik maak de gegevens en de randomForest-samenvatting beschikbaar voor speurwerk op [verwijderd]
Traceback onthult niet veel (voor mij in ieder geval):
4: .C("classForest", mdim = as.integer(mdim), ntest = as.integer(ntest),
nclass = as.integer(object$forest$nclass), maxcat = as.integer(maxcat),
nrnodes = as.integer(nrnodes), jbt = as.integer(ntree), xts = as.double(x),
xbestsplit = as.double(object$forest$xbestsplit), pid = object$forest$pid,
cutoff = as.double(cutoff), countts = as.double(countts),
treemap = as.integer(aperm(object$forest$treemap, c(2, 1,
3))), nodestatus = as.integer(object$forest$nodestatus),
cat = as.integer(object$forest$ncat), nodepred = as.integer(object$forest$nodepred),
treepred = as.integer(treepred), jet = as.integer(numeric(ntest)),
bestvar = as.integer(object$forest$bestvar), nodexts = as.integer(nodexts),
ndbigtree = as.integer(object$forest$ndbigtree), predict.all = as.integer(predict.all),
prox = as.integer(proximity), proxmatrix = as.double(proxmatrix),
nodes = as.integer(nodes), DUP = FALSE, PACKAGE = "randomForest")
3: predict.randomForest(default.rf, losses, type = "prob", inf.rm = TRUE,
na.rm = TRUE, nan.rm = TRUE)
2: predict(default.rf, losses, type = "prob", inf.rm = TRUE, na.rm = TRUE,
nan.rm = TRUE)
1: predict(default.rf, losses, type = "prob", inf.rm = TRUE, na.rm = TRUE,
nan.rm = TRUE)
Antwoord 1, autoriteit 100%
Uw code is niet volledig reproduceerbaar (het daadwerkelijke randomForest
-algoritme wordt niet uitgevoerd), maar u nietvervangt Inf
-waarden door de middelen van kolomvectoren. Dit komt omdat het argument na.rm = TRUE
in de aanroep van mean()
binnen uw functie impute.mean
precies doet wat het zegt: – verwijdert NA
-waarden (en niet Inf
-waarden).
Je kunt dit bijvoorbeeld zien door:
impute.mean <- function(x) replace(x, is.na(x) | is.nan(x) | is.infinite(x), mean(x, na.rm = TRUE))
losses <- apply(losses, 2, impute.mean)
sum( apply( losses, 2, function(.) sum(is.infinite(.))) )
# [1] 696
Om van oneindige waarden af te komen, gebruikt u:
impute.mean <- function(x) replace(x, is.na(x) | is.nan(x) | is.infinite(x), mean(x[!is.na(x) & !is.nan(x) & !is.infinite(x)]))
losses <- apply(losses, 2, impute.mean)
sum(apply( losses, 2, function(.) sum(is.infinite(.)) ))
# [1] 0
Antwoord 2, Autoriteit 81%
Een oorzaak van het foutbericht:
NA / NAN / INF IN BUITENLANDSE FUNCTIESOP (ARG X)
Bij het trainen van een willekeurige weerstand heeft character
-klasse variabelen in uw gegevens. Als het wordt geleverd met de waarschuwing:
NAS geïntroduceerd door dwang
Controleer om ervoor te zorgen dat al uw tekenvariabelen zijn omgezet in factoren.
voorbeeld
set.seed(1)
dat <- data.frame(
a = runif(100),
b = rpois(100, 10),
c = rep(c("a","b"), 100),
stringsAsFactors = FALSE
)
library(randomForest)
randomForest(a ~ ., data = dat)
rendementen:
Fout in RandomForest.Default (M, Y, …): Na / Nan / Inf in Foreign
Functie-oproep (Arg 1) Bovendien: Waarschuwingsbericht: in data.matrix (X)
: NAS geïntroduceerd door dwang
, maar schakel het in op stringsAsFactors = TRUE
EN HET WERKT.