C5.0 决策树 - 名为 exit 的 c50 代码,值为 1
Posted
技术标签:
【中文标题】C5.0 决策树 - 名为 exit 的 c50 代码,值为 1【英文标题】:C5.0 decision tree - c50 code called exit with value 1 【发布时间】:2014-05-13 06:08:09 【问题描述】:我收到以下错误
c50 代码调用退出,值为 1
我正在根据 Kaggle 提供的泰坦尼克号数据进行此操作
# Importing datasets
train <- read.csv("train.csv", sep=",")
# this is the structure
str(train)
输出:-
'data.frame': 891 obs. of 12 variables:
$ PassengerId: int 1 2 3 4 5 6 7 8 9 10 ...
$ Survived : int 0 1 1 1 0 0 0 0 1 1 ...
$ Pclass : int 3 1 3 1 3 3 1 3 3 2 ...
$ Name : Factor w/ 891 levels "Abbing, Mr. Anthony",..: 109 191 358 277 16 559 520 629 417 581 ...
$ Sex : Factor w/ 2 levels "female","male": 2 1 1 1 2 2 2 2 1 1 ...
$ Age : num 22 38 26 35 35 NA 54 2 27 14 ...
$ SibSp : int 1 1 0 1 0 0 0 3 0 1 ...
$ Parch : int 0 0 0 0 0 0 0 1 2 0 ...
$ Ticket : Factor w/ 681 levels "110152","110413",..: 524 597 670 50 473 276 86 396 345 133 ...
$ Fare : num 7.25 71.28 7.92 53.1 8.05 ...
$ Cabin : Factor w/ 148 levels "","A10","A14",..: 1 83 1 57 1 1 131 1 1 1 ...
$ Embarked : Factor w/ 4 levels "","C","Q","S": 4 2 4 4 4 3 4 4 4 2 ...
然后我尝试使用 C5.0 dtree
# Trying with C5.0 decision tree
library(C50)
#C5.0 models require a factor outcome otherwise error
train$Survived <- factor(train$Survived)
new_model <- C5.0(train[-2],train$Survived)
所以运行上面的行给了我这个错误
c50 code called exit with value 1
我无法弄清楚出了什么问题?我在不同的数据集上使用了类似的代码,它工作正常。关于如何调试我的代码有什么想法吗?
-谢谢
【问题讨论】:
【参考方案1】:我也遇到了同样的错误,但这是因为其中一列的因子级别中有一些非法字符。
我使用了make.names
函数并修正了因子水平:
levels(FooData$BarColumn) <- make.names(levels(FooData$BarColumn))
那么问题就解决了。
【讨论】:
【参考方案2】:在构建模型和进行预测时,我也为同样的问题(返回代码“1”)苦苦挣扎了几个小时。 在 Marco 的回答提示下,我编写了一个小函数来删除数据框或向量中等于“”的所有因子级别,请参见下面的代码。但是,由于 R 不允许通过引用传递函数,因此您必须使用函数的结果(它不能更改原始数据帧):
removeBlankLevelsInDataFrame <- function(dataframe)
for (i in 1:ncol(dataframe))
levels <- levels(dataframe[, i])
if (!is.null(levels) && levels[1] == "")
levels(dataframe[,i])[1] = "?"
dataframe
removeBlankLevelsInVector <- function(vector)
levels <- levels(vector)
if (!is.null(levels) && levels[1] == "")
levels(vector)[1] = "?"
vector
函数的调用可能如下所示:
trainX = removeBlankLevelsInDataFrame(trainX)
trainY = removeBlankLevelsInVector(trainY)
model = C50::C5.0.default(trainX,trainY)
不过,C50 似乎也有类似的问题,即字符列包含一个空单元格,因此如果你有一些字符属性,你可能必须扩展它以处理字符属性。
【讨论】:
【参考方案3】:我遇到了同样的错误,但我使用的是没有缺失值的数字数据集。
很久之后,我发现我的数据集有一个预测属性叫"outcome"
,而C5.0Control
使用这个名字,这就是错误原因:'(
我的解决方案是更改列名。其他方式,将创建一个C5.0Control
对象并更改标签属性的值,然后将此对象作为参数传递给 C50 方法。
【讨论】:
【参考方案4】:以防万一。您可以通过
查看错误summary(new_model)
当变量名称中有特殊字符时也会发生此错误。例如,如果变量名称中有“я”(来自俄语字母)字符,则会出现此错误。
【讨论】:
【参考方案5】:这是最终奏效的方法:-
读了post后有了这个想法
library(C50)
test$Survived <- NA
combinedData <- rbind(train,test)
combinedData$Survived <- factor(combinedData$Survived)
# fixing empty character level names
levels(combinedData$Cabin)[1] = "missing"
levels(combinedData$Embarked)[1] = "missing"
new_train <- combinedData[1:891,]
new_test <- combinedData[892:1309,]
new_model <- C5.0(new_train[,-2],new_train$Survived)
new_model_predict <- predict(new_model,new_test)
submitC50 <- data.frame(PassengerId=new_test$PassengerId, Survived=new_model_predict)
write.csv(submitC50, file="c50dtree.csv", row.names=FALSE)
这背后的直觉是,通过这种方式,训练数据集和测试数据集将具有一致的因子水平。
【讨论】:
【参考方案6】:任何有兴趣的人都可以在这里找到数据:http://www.kaggle.com/c/titanic-gettingStarted/data。我认为您需要注册才能下载它。
关于你的问题,首先我认为你的意思是写
new_model <- C5.0(train[,-2],train$Survived)
接下来,注意Cabin
和Embarked
列的结构。这两个因素有一个空字符作为级别名称(检查levels(train$Embarked)
)。这就是C50
倒下的地方。如果您修改您的数据,这样
levels(train$Cabin)[1] = "missing"
levels(train$Embarked)[1] = "missing"
您的算法现在可以正常运行了。
【讨论】:
谢谢马可。有效!! Cabin 和 Embarked 列中的缺失值导致了该问题。我观察到的另一件事是 train[-2] 和 train[,-2] 具有相同的输出......两者之间还有其他区别吗?? 你是对的,它似乎适用于 data.frames。我总是使用 train[,-2],因为对于矩阵 train[-2] 会将结果转换为向量并仅删除一个元素。这是因为从概念上讲矩阵就像向量,您可以访问它们的每个元素而无需指定行/列 糟糕。现在下一步是给出类似的代码退出错误。我将 test.csv 读入测试数据框。然后:- new_model_predict 我对C50库没有太多经验,但是训练集和测试集中的因子有可能需要相同的水平吗?如果不包括具有不同级别(姓名、机票、客舱、已登机)的因素,它运行良好 感谢您到目前为止的帮助。看来我需要对此进行更多研究。以上是关于C5.0 决策树 - 名为 exit 的 c50 代码,值为 1的主要内容,如果未能解决你的问题,请参考以下文章
使用reactiveValues()在Shiny中绘制动态C5.0决策树