问题标签 [fselector]

我有一个包含 4755 行和 27199 列的数据框。它实际上是一个文档术语矩阵，我正在尝试使用“FSelector”包执行特征选择。下面是一些代码：

每次我这样做我都会得到一个错误

我有一个 24GB 的 RAM，数据帧的大小约为 500Mb。所以我不知道问题是什么，我该如何解决？

我使用了 FSelecter 包的 OneR 算法来找到错误率最低的属性。我的班级属性是是和否。我的属性特征也是yes和no。

OneR 算法的结果是：

但是，如果我在同一数据帧上使用相关函数，则最佳属性的错误率低于使用 oneR 函数获得的属性。

谁能告诉我，为什么 OneR 算法没有将 CO4 属性显示为最佳属性（基于错误率）？

OneR 算法使用哪些标准？

---除了更好地理解我的问题---

完整的数据太大而无法显示。我新建了一个数据池，效果一样

延迟 - OR1 - CO4 ..

1 ---------1--------1--

0 ---------0--------0--

0 ---------0--------1--

1 ---------0--------1--

0 ---------0--------0--

1 ---------0--------1--

0 ---------0--------0--

1 ---------0--------1--

显示单个属性的错误率的代码：

打印（表（datapool_stackoverflow$DELAYED，datapool_stackoverflow$OR1））

OneR函数的代码：

库（FSelector）

oneR_stackoverflow <- oneR(延迟~., datapool_stackoverflow)

subset_stackoverflow <- cutoff.k(oneR_stackoverflow, 2)

打印（子集堆栈溢出）

相关代码：

cor（as.numeric（datapool_stackoverflow$DELAYED），as.numeric（datapool_stackoverflow$OR1））

在这种情况下，结果是：

错误率：OR1 矩阵：------ 0（属性特征）-- 1（属性特征

0（类）：----------4------------------------ --0

1(班级：---------------------3------------ -1

曼努埃尔计算的错误率：3（0 + 3）

错误率：CO4 矩阵：------ 0（属性-特征）-- 1（属性特征）

0（类）：----------3---------- --1

1（等级：------------------------0---------- -4

错误率：1（1 + 0）

相关性：属性 OR1：0.377 属性 CO4：0.77

OneR：“OR1”、“CO4”

为什么，OneR 函数提供 OR1 属性作为分类的最佳属性？

在 FSelector information.gain 函数的函数定义中，

信息.增益（公式，数据）

公式的目的到底是什么？我正在尝试使用该功能为分类任务进行特征选择。在我在网上看到的几个例子中，这个公式似乎定义了类标签和数据集中的特征之间的某种关系。但是，如果是这种情况，我不知道特征和标签之间的确切线性关系，因为我正在执行分类任务，那么公式是什么？

我正在使用此 CRAN 文档 ( https://cran.r-project.org/web/packages/FSelector/FSelector.pdf ) 第 4 页中的最佳首次搜索的确切代码，该文档使用 iris 数据集。它适用于 iris 数据集，但不适用于我自己的 ndata。我的数据有 37 个预测变量（数值和分类），第 38 列是类预测。

我收到错误：

我认为来自这一行：

我已经尝试过调试和回溯，但我不明白为什么会发生这个错误（就像我说的，虹膜数据无法重现）。

这是我的一些数据，因此您可以看到我正在使用的内容：

我现在使用的是 OS X El Capitan 版本 10.11.3。

当我尝试library(FSelector)在 R 中使用时，会弹出错误消息：

此外，当我尝试library(Rweka)和library(Rwekajars).

为什么会发生这种情况以及如何解决？

我正在尝试使用 FSelector 包计算 R 中数据集的权重。数据取自这个位置。

我无法计算所有的重量。当我使用该gain.ratio函数时，Age权重为 NaN。当我改用chi.squared函数时，两者Age和A/G Ratio都是零。当我从中获取前 200 个元素data并计算权重时，只有其中五个是正确计算的，其他是零或 NaN。

我尝试从数据中删除错误的元素，data <- na.omit(data)但并没有改变结果。

如何正确计算权重？

以下是重量打印的示例。

我有超过 20k 个特征、3m 个对象和超过 3k 个类的文本分类问题。数据非常稀疏。我在 R. sparseMatrix 对象中的数据矩阵上编写了程序。如何选择此数据的特征？我找到了 FSelector 包，但它不适用于 sparseMatrix，只有 data.frame，由于内存限制，我无法转换数据。

我正在使用自然语言处理进行短信挖掘。我使用quanteda包来生成文档特征矩阵（dfm）。现在我想使用卡方检验进行特征选择。我知道已经有很多人问过这个问题了。但是，我找不到相关的代码。（答案只是给出了一个简短的概念，如下所示：https ://stats.stackexchange.com/questions/93101/how-can-i-perform-a-chi-square-test-to-do-feature-selection-在-r )

我了解到我可以chi.squared在FSelector包中使用，但我不知道如何将此函数应用于 dfm 类对象（trainingtfidf如下）。（在手册中显示，它适用于预测变量）

谁能给我一个提示？我很感激！

示例代码：

我正在使用 information.gain()、chi.squared() 和增益。Fselector 包提供的用于特征选择的 Ratio() 函数。

所有这些函数都接受数据框作为输入，因为我使用维度为 200161（行）、323（列）数据集的矩阵，出现错误

我有 xeon 前处理器，有 8 GB RAM，在将内存限制扩展到 max 后，使用命令进行断言

结果为8026，这也不够

为了提高内存效率，我已将数据帧转换为稀疏矩阵

现在的问题是，我们能否使用稀疏矩阵作为函数 information.gain()、chi.squared() 和 gain.ratio() 的输入

请任何人对此提供帮助，

提前致谢

我已经通过在 R 中使用 FSelector 包在 R 中完成了信息增益特征选择

现在，我需要根据attr_importance 从中选择最佳功能。如何根据阈值选择R中的最佳特征以及如何设置阈值？