1

我正在尝试在 8*8 像素坐标的数据集上运行岭回归。数据集是由不同手书写的一系列 1 和 0 的映射，排列为对应 8*8 像素矩阵的 64 个数值行。

下面的lm.ridge()函数用 回复我Error in svd(X) : infinite or missing values in 'x'。有什么问题，我做错了什么？

digits = read.csv("digits.csv", header = FALSE)
library(MASS)
digits$y = rep(0,nrow(digits))
digits$y[1:554] = 1
digits$y[555:1125] = -1
lm =lm.ridge(y ~ ., digits , lambda = 1)

数据集的样本，因为我不知道如何在这里上传 csv。

'data.frame':   1125 obs. of  65 variables:
 $ V1 : int  0 0 0 0 0 0 0 0 0 0 ...
 $ V2 : int  16 0 0 16 0 0 0 0 0 0 ...
 $ V3 : int  96 160 240 160 32 128 112 160 32 0 ...
 $ V4 : int  240 255 32 240 208 255 224 128 192 128 ...
 $ V5 : int  192 96 224 128 144 128 96 176 176 192 ...
.
.
.
$ V62: int  16 48 0 0 64 80 0 0 128 144 ...
$ V63: int  0 0 0 0 0 0 0 0 0 16 ...
$ V64: int  0 0 0 0 0 0 0 0 0 0 ...
$ y  : num  1 1 1 1 1 1 1 1 1 1 ...

我知道这可能与包含全零的列（例如 V1）有关。我目前已经通过对列求和并删除总和为零的列来删除它，但我想知道a）是否有更清洁的方法来做到这一点，b）这是否会破坏我的岭回归分析。

干杯。

4

1 回答 1

2

据我了解，您不能给lm.ridge(). 我实施的解决方案并没有破坏岭回归。我想到了一个更好的方法来实现它，通过检查列的绝对值之和是否为零（digits = digits[,which(colSums(abs(digits)) !=0)]）。

希望这可以帮助某人。

于 2016-03-10T13:36:01.823 回答