2

我正在使用5 折分层交叉验证在我的数据集上使用frbs包。R我已经实施了分层简历。frbs.learn我在每个折叠中使用 GFS.GCCL 方法进行函数，并使用测试数据预测结果。我收到此错误以及 30 条相同的警告消息：

错误：找不到对象“temp.rule.degree”

警告：在 max(MF.temp[m, ], na.rm = TRUE) 中：max 没有非缺失参数；返回-Inf

我的代码写在下面：

    library(frbs)
    data<-read.csv(file.address)
    data[,30] <- unclass(data[,30]) #column 30 has the class of samples
    data <- data[,c(1,14,20,26,27, 30)] # I choose to have 5 attr. since
                                         #my data is high dimensional    

    k <- 5 # 5-fold 
    seed <- 1
    folds <- strf.cv(data, k, seed) #stratification function for CV


    range.data.inp <- matrix(apply(data[,-ncol(data)], 2, range), nrow=2)

    data<-norm.data(as.matrix(data[,-ncol(data)]),range.data.
            inp,min.scale = 0.1, max.scale = 1)

    ctrl <- list(popu.size = 30, num.class = 2, num.labels= 3,
            persen_cross = 0.9, max.gen = 200, persen_mutant = 0.3,
         name="sim-1")
    for(i in 1:k){

    str <- paste("fold",i)
    print(str)
    test.ind <- folds[[str]]
    test.data <- data[test.ind,]
    train.data <- data[-test.ind,]

    obj <- frbs.learn(train.data , method.type="GFS.GCCL",
                 range.data.inp , ctrl)


    pred <- predict(obj, test.data)
    print("Predicted classes:")
    print(pred)
    }

我对错误和警告一无所知。请让我知道我应该做什么。

4

3 回答 3

1

我有类似的问题（和其他问题）试图从 iris 示例数据开始重现 SLAVE 学习。在能够使用我的人工数据运行它之前，我有 2 个格式项目需要解决：

  • 我的数据框导入给了我整数，learn至少需要numeric.
  • 我的标准分布并不平坦。当我展平分布（3 个值，每个值 n/3 个样本）时，一切都很好。

这是我所知道的一切。希望能帮助到你。

于 2016-07-05T13:51:17.873 回答
1

我在运行 SLAVE 和 GFS.GCCL 时遇到了同样的问题。当我查看库的源代码时。我发现在 frbs.learn() 中，每个方法都有一个实现来计算输入数据的范围。所以，我认为这可能是输入数据范围的问题。例如，在 GFS.GCCL 中，在源代码中，用于设置参数，如下所示：

range.data.input <- range.data
data.train.ori <- data.train
popu.size <- control$popu.size
persen_cross <- control$persen_cross
persen_mutant <- control$persen_mutant
max.gen <- control$max.gen
name <- control$name
n.labels <- control$num.labels
n.class <- control$num.class

num.labels <- matrix(rep(n.labels, ncol(range.data)), nrow = 1)
num.labels <- cbind(num.labels, n.class)

## normalize range of data and data training
range.data.norm <- range.data.input
range.data.norm[1, ] <- 0
range.data.norm[2, ] <- 1   
range.data.input.ori <- range.data.input
data.tra.norm <- norm.data(data.train[, 1 : ncol(data.train) - 1], range.data.input, min.scale = 0, max.scale = 1)
data.train <- cbind(data.tra.norm, matrix(data.train[, ncol(data.train)], ncol = 1))

在第一行中，range.data 要么来自您的规范，要么来自 frbs.learn() 的默认设置。对于默认设置，它获取每行的最大值和最小值。在源代码中：

range.data <- rbind(dt.min, dt.max)

之后，GFS.GCCL 取的数据范围为

range.data.norm <- range.data.input
range.data.norm[1, ] <- 0
range.data.norm[2, ] <- 1

介于 0 和 1 之间。 GFS.GCCL 也以 range.data.input 作为参数。因此，它需要 range.data.norm 和 range.data.input。

因此，我认为如果在内部，有一些与 range.data.input 对应的计算（需要为每一行设置为 min，max），但为此设置的实际上不是每一行的 min 和 max。生成错误。

但是，总而言之，在我从 frbs.learn() 中删除“range.data”之后，GFS.GCCL 和 SLAVE 都对我有用。

您可以从这里下载源代码：

https://cran.r-project.org/web/packages/frbs/index.html

您可以在以下位置找到 GFS.GCCL 和 SLAVE 的代码：

FRBS.MainFunction.R

GFS.方法.R

于 2019-08-09T15:07:08.033 回答
0

除了@Pilip38 的好建议之外，我还有其他三个想法在使用 frbs 包时为我修复了类似的错误。

  1. 最重要的是：确保你的输出变量永远不等于 0。看起来你有一个二进制输出变量，所以我希望只给它加 1，所以它是 1/2 而不是 0/1 会起作用。
  2. 尝试将 range.data.inp 矩阵设置为第一行全为 0，第二行全为 1。自然，范围更窄会更好，但这可能会导致您的错误。
  3. 尝试将标签数量减少到 2。

这可能是一个脆弱的过程。

于 2018-11-08T08:21:58.383 回答