r - 带有插入符号 SVM 警告消息的 Text2Vec 分类

Question

我正在处理text2vec包和caret. text2vec在使用caret. 目标是使用标记的训练数据识别两个字符串之间的字符串相似性。

但是，在训练线性 SVM 模型时，我收到了许多警告消息，摘录如下：

警告消息：1：在 svm.default(x = as.matrix(x), y = y, kernel = "linear", ... :
变量“流感”和“perindoprilindapamide”和“bisprololhct.1”和 'creon.1' 和 'kreon.1' 和 'paratramadol.1' 常数。无法缩放数据。

您能帮我理解这些警告以及如何解决无法缩放数据吗？

原始训练数据的摘录：

ID          MAKTX_Keyword       PH_Level_04_Keyword   Result 
266325638   AMLODIPINE          AMLODIPINE              0 
724712821   IRBESARTANHCTZ      IRBESARTANHCTZ          0 
567428641   RABEPRAZOLE         RABEPRAZOLE             0 
137472217   MIRTAZAPINE         MIRTAZAPINE             0 
175827784   FONDAPARINUX        ARIXTRA                 1 
456372747   VANCOMYCIN          VANCOMYCIN              0 
653832438   BRUFEN              IBUPROFEN               1 
917575539   POTASSIUM           POTASSIUM               0     
222949123   DIOSMINHESPERIDIN   DIOSMINHESPERIDIN       0 
892725684   IBUPROFEN           IBUPROFEN               0

构建 SVM 模型的代码：

control <- trainControl(method="repeatedcv", number=10, repeats=3, savePredictions=TRUE, classProbs=TRUE)

Train_PRDHA_String.df$Result <- ifelse(Train_PRDHA_String.df$Result == 1, "X", "Y")

(warn=1)
(warnings=2)

t1 = Sys.time()
svm_Linear <- train(x = as.matrix(dtm_train), y = as.factor(Train_PRDHA_String.df$Result),
                    method = "svmLinear2",
                    trControl=control,
                    tuneLength = 5,
                    metric ="Accuracy")
print(difftime(Sys.time(), t1, units = 'sec'))

Answer 1

这意味着，当这些变量被重新采样时，它们只有一个唯一值。您可以使用preProc = "zv"来摆脱警告。