R中的数据集分类
我对数据集进行分类时遇到了问题。
dataset是一个矩阵，其中行是观察，列是特性。每个特征值介于0- 1之间。数据集用于培训目的，而且由于我将要使用的方法对小变化很敏感，所以数据集必须格式化为不敏感。
我的想法是，不提供原始数据，而是根据特征值的数值将特征值放入桶中，并提供bin的中间值作为培训数据。
例如。回收箱为(1-2,2-3,3-4,4-5,5-6,6-7,7-8,8-9,9-10)
dataset #original dataset
> [,1] [,2] [,3] [,4] [,5]
[1,] 8.1 5.3 10 4.4 4.6
[2,] 5.2 10 3.2 9.3 3.5
[3,] 7.3 1.6 9 8.9 8.4
[4,] 6.4 2.8 8 6.5 9.3
[5,] 10 4.3 2.2 1.1 5.3
transformed_dataset #binned dataset
> [,1] [,2] [,3] [,4] [,5]
[1,] 8.5 5.5 9.5 4.5 4.5
[2,] 5.5 9.5 3.5 9.5 3.5
[3,] 7.5 1.5 8.5 8.5 8.5
[4,] 6.5 2.5 8.5 6.5 9.5
[5,] 9.5 4.5 2.5 1.5 5.5我不确定该如何将数据这样存储，并将其作为来自naiveBayes的library("lattice")的输入。我知道signif能够将值舍入给定的数位数，从而“弯曲它”，但我实际上无法确定回收箱的数目。
二进制化似乎是改进分类的一种方法。但是如何提供它作为一种投入，我还不确定。
关于data.frame的更新数据
我想我忘了提到它，但是数据存储在一个data.frame中，我访问数据的方式是通过$data。data.frame都为$labels可以访问的每个观察提供标签。
回答 2
Stack Overflow用户
发布于 2016-04-15 17:41:14
嗯。这里的数据类型可能会有一些问题，因为matrix类不能很好地处理各种因素--而绑定间隔最好是通过各种因素来描述的。
为了执行绑定，您可以从基本R安装中使用cut函数，例如：
> data <- c(1,2,4,1,5,3,3,5,2,2,5,5,5,7,8,9,5,3,2,6,8,9,3,1)
> breaks <- c(0, 3, 6, 9)
> cut(data, breaks=breaks)
[1] (0,3] (0,3] (3,6] (0,3] (3,6] (0,3] (0,3] (3,6] (0,3] (0,3] (3,6] (3,6]
[13] (3,6] (6,9] (6,9] (6,9] (3,6] (0,3] (0,3] (3,6] (6,9] (6,9] (0,3] (0,3]
Levels: (0,3] (3,6] (6,9]或者，使用左间隔：
> cut(data, breaks=breaks, right=FALSE)
[1] [0,3) [0,3) [3,6) [0,3) [3,6) [3,6) [3,6) [3,6) [0,3) [0,3) [3,6) [3,6)
[13] [3,6) [6,9) [6,9) <NA> [3,6) [3,6) [0,3) [6,9) [6,9) <NA> [3,6) [0,3)
Levels: [0,3) [3,6) [6,9)请注意，您提供的中断应该涵盖整个数据集，否则您将得到一些NA。
Stack Overflow用户
发布于 2016-04-15 18:12:29
一个简单的解决方案可以是这样的：
d <- matrix(c(8.1, 5.3, 10, 4.4, 4.6,
5.2, 10, 3.2, 9.3, 3.5,
7.3, 1.6, 9, 8.9, 8.4,
6.4, 2.8, 8, 6.5, 9.3,
10, 4.3, 2.2, 1.1, 5.3), nrow=5, ncol=5, byrow=TRUE)
d <- as.data.frame(apply(d, 2, function(column) {
as.factor(round(column+0.5)-0.5)
}))导致成果：
> d
V1 V2 V3 V4 V5
1 8.5 5.5 9.5 4.5 4.5
2 5.5 9.5 3.5 9.5 3.5
3 7.5 1.5 9.5 8.5 8.5
4 6.5 2.5 7.5 6.5 9.5
5 9.5 4.5 2.5 1.5 5.5转换后，数据集的列是因素，这意味着naiveBayes将不将它们视为数值，而将其视为分类变量。
> class(d[,1])
[1] "factor"
> levels(d[,1])
[1] "5.5" "6.5" "7.5" "8.5" "9.5"注意，如果有任何等于0的值，那么添加和删除0.5的技巧就会失败--它将将其赋值为"0“而不是"0.5”。您可以解决它，将这一行添加到函数中：
column[which(column == 0)] <- 0.5希望能帮上忙。
https://stackoverflow.com/questions/36653152
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号