knn函数出错

Question

我试着运行这行代码：

knn(mydades.training[,-7],mydades.test[,-7],mydades.training[,7],k=5)

但我总是得到这样的错误：

Error in knn(mydades.training[, -7], mydades.test[, -7], mydades.training[,  : 
  NA/NaN/Inf in foreign function call (arg 6)
In addition: Warning messages:
1: In knn(mydades.training[, -7], mydades.test[, -7], mydades.training[,  :
  NAs introduced by coercion
2: In knn(mydades.training[, -7], mydades.test[, -7], mydades.training[,  :
  NAs introduced by coercion

有什么想法吗？

PS : mydades.training和mydades.test定义如下：

N <- nrow(mydades) 
permut <- sample(c(1:N),N,replace=FALSE)
ord <- order(permut)
mydades.shuffled <- mydades[ord,]
prop.train <- 1/3
NOMBRE <- round(prop.train*N)
mydades.training <- mydades.shuffled[1:NOMBRE,]
mydades.test <- mydades.shuffled[(NOMBRE+1):N,]

Answer 1

我怀疑您的问题在于'mydades‘中有非数字数据字段。错误行：

NA/NaN/Inf in foreign function call (arg 6)

这让我怀疑对C语言实现的knn函数调用失败了。R中的许多函数实际上调用底层的、更有效的C实现，而不是只在R中实现算法。如果你在R控制台中只输入'knn‘，你就可以检查'knn’的R实现。这里有下面这行：

 Z <- .C(VR_knn, as.integer(k), as.integer(l), as.integer(ntr), 
        as.integer(nte), as.integer(p), as.double(train), as.integer(unclass(clf)), 
        as.double(test), res = integer(nte), pr = double(nte), 
        integer(nc + 1), as.integer(nc), as.integer(FALSE), as.integer(use.all))

其中.C表示我们使用提供的函数参数调用名为'VR_knn‘的C函数。因为你有两个错误

NAs introduced by coercion

我认为as.double/as.integer调用中有两个失败了，并引入了NA值。如果我们开始计算参数，第六个参数是：

as.double(train)

在以下情况下可能会失败：

# as.double can not translate text fields to doubles, they are coerced to NA-values:
> as.double("sometext")
[1] NA
Warning message:
NAs introduced by coercion
# while the following text is cast to double without an error:
> as.double("1.23")
[1] 1.23

您会得到两个强制错误，这可能是由‘as.double(训练)’和‘as.double(测试)’给出的。由于您没有向我们提供'mydades‘的确切细节，下面是我最好的一些猜测(以及人工多变量正态分布数据)：

library(MASS)
mydades <- mvrnorm(100, mu=c(1:6), Sigma=matrix(1:36, ncol=6))
mydades <- cbind(mydades, sample(LETTERS[1:5], 100, replace=TRUE))

# This breaks knn
mydades[3,4] <- Inf
# This breaks knn
mydades[4,3] <- -Inf
# These, however, do not introduce the coercion for NA-values error message

# This breaks knn and gives the same error; just some raw text
mydades[1,2] <- mydades[50,1] <- "foo"
mydades[100,3] <- "bar"

# ... or perhaps wrongly formatted exponential numbers?
mydades[1,1] <- "2.34EXP-05"

# ... or wrong decimal symbol?
mydades[3,3] <- "1,23" 
# should be 1.23, as R uses '.' as decimal symbol and not ','

# ... or most likely a whole column is non-numeric, since the error is given twice (as.double problem both in training AND test set)
mydades[,1] <- sample(letters[1:5],100,replace=TRUE)

我不会将数字数据和类标签都放在一个矩阵中，也许您可以将数据拆分为：

mydadesnumeric <- mydades[,1:6] # 6 first columns
mydadesclasses <- mydades[,7]

使用调用

str(mydades); summary(mydades)

还可以帮助您/我们定位有问题的数据条目，并将其更正为数字条目或省略非数字字段。

运行代码的其余部分(在破坏数据之后)，由您提供：

N <- nrow(mydades) 
permut <- sample(c(1:N),N,replace=FALSE)
ord <- order(permut)
mydades.shuffled <- mydades[ord,]
prop.train <- 1/3
NOMBRE <- round(prop.train*N)
mydades.training <- mydades.shuffled[1:NOMBRE,]
mydades.test <- mydades.shuffled[(NOMBRE+1):N,]

# 7th column seems to be the class labels
knn(train=mydades.training[,-7],test=mydades.test[,-7],mydades.training[,7],k=5)

Answer 2

@Teemu回答得很好。

由于这是一个阅读广泛的问题，我将从分析的角度给出相同的答案。

KNN函数通过计算点之间的欧几里德距离对数据点进行分类。这是一个需要数字的数学计算。因此，KNN中的所有变量都必须是可强制转换为数字的。

KNN的数据准备通常涉及三个任务：

(1)固定所有NA或"“值

(2)将所有因子转换为一组布尔值，因子中的每个级别对应一个布尔值

(3)将每个变量的值归一化到0:1的范围内，这样变量的范围就不会对距离测量产生过大的影响。

Answer 3

我还要指出的是，当使用整数时，函数似乎失败了。在调用knn函数之前，我需要将所有内容转换为"num“类型。这包括目标特性，R中的大多数方法都使用factor类型。因此，需要as.numeric(my_frame$target_feature)。