C5.0模型需要一个因子结果

Question

我正在使用credit.csv构建学习树，数据可在以下位置获得：

https://github.com/stedy/Machine-Learning-with-R-datasets/blob/master/credit.csv

我做了以下几个步骤：

credit<-read.csv("credit.csv")
set.seed(12345)
credit_rand<-credit[order(runif(1000)),]
credit_train<-credit_rand[1:900,]
credit_test<-credit_rand[901:1000,]
library(C50)
credit_model<-C5.0(credit_train[-21],credit_train$default)

在我遵循的指南中，似乎我应该去掉最后一列，它是默认值，但我得到了以下错误：

Error en C5.0.default(credit_train[, -21], credit_train$default) : 
  C5.0 models require a factor outcome

我已经尝试将最后一行更改为：

credit_model<-C5.0(credit_train[,-21],credit_train$default)

但根本没有成功。

有什么帮助吗？

Answer 1

你的问题是C5.0 models require a factor outcome。您给出的结果是credit_train$default，这是1/2的结果，但R将其读取为数字，而不是因子：

str(credit_train$default)
int [1:900] 2 1 1 1 2 1 2 2 1 1 ...

然后，解决方案是将其转换为一个因子：

credit_train$default<-as.factor(credit_train$default)
str(credit_train$default)

Factor w/ 2 levels "1","2": 2 1 1 1 2 1 2 2 1 1 ...

然后运行您的训练：

 credit_model<-C5.0(credit_train[-21],credit_train$default)

Answer 2

在原始数据provided by the publisher中，类变量(默认)存储在第17列，而不是第21列。除非在过去几个月中发生了重大更改，否则您的文件很可能不是正确的文件。

在我的文件中，类变量"default“是一个具有两个级别("yes”和"no")的因子，它应该是这样的。

根据这本书，相应地，应该执行的命令是

credit_model <- C5.0(credit_train[-17], credit_train$default)

紧接着是

credit_pred <- predict(credit_model, credit_test)

然后它就像一个护身符一样起作用。

# > CrossTable(credit_test$default, credit_pred,
# +            prop.chisq = FALSE, prop.c = FALSE, prop.r = FALSE,
# +            dnn = c('actual default', 'predicted default'))
#
#
#   Cell Contents
# |-------------------------|
# |                       N |
# |         N / Table Total |
# |-------------------------|
#
# 
# Total Observations in Table:  100 
#
# 
#               | predicted default 
#actual default |        no |       yes | Row Total | 
#---------------|-----------|-----------|-----------|
#            no |        57 |        11 |        68 | 
#               |     0.570 |     0.110 |           | 
#---------------|-----------|-----------|-----------|
#           yes |        16 |        16 |        32 | 
#               |     0.160 |     0.160 |           | 
#---------------|-----------|-----------|-----------|
#  Column Total |        73 |        27 |       100 | 
#---------------|-----------|-----------|-----------|