Adabag boosting函数出错

Question

  df1 <- data.frame(ID = c(1, 2, 3, 4, 5),
                  var1 = c('a', 'b', 'c', 'd', 'e'),
                  var2 = c(1, 1, 0, 0, 1))

  ada = boosting(formula=var1~., data=df1)

Error in cbind(yval2, yprob, nodeprob) : 
  el número de filas de las matrices debe coincidir (vea arg 2)

大家好，我正在尝试使用adabag包中的boosting函数，但它告诉我矩阵中的行数(?)必须相等。此数据不是原始数据，但它似乎抛出了相同的错误。

你能帮我一下吗？

谢谢。

Answer 1

您不应该使用ID作为解释变量。

不幸的是，您的df1数据集太小，不可能理解ID是否是问题的根源。

下面我生成一个更大的数据集：

library(adabag)
set.seed(1)
n <- 100
df1 <- data.frame(ID = 1:n,
                  var1 = sample(letters[1:5], n, replace=T),
                  var2 = sample(c(0,1), n, replace=T))
head(df1)
#   ID var1 var2
# 
# 1  1    b    1
# 2  2    b    0
# 3  3    c    0
# 4  4    e    1
# 5  5    b    1
# 6  6    e    0

ada <- boosting(var1~var2, data=df1)

ada.pred <- predict.boosting(ada, newdata=df1)
ada.pred$confusion
# Observed Class Predicted Class  a  b  c  d  e
#               b  5 20  2  7 11
#               c  2  2 10  2  2
#               d  6  3  7 17  4

Answer 2

Pablo，如果我们仔细观察你的样本数据，我们会注意到一个属性，使分类算法无法处理。您的数据集由五个样本组成，每个样本都有一个唯一的标签，即因变量: a，b，c，d，e。数据集只有一个特征(即自变量var2，因为ID应从特征列表中排除)，由两个类别组成:0和1。这意味着有几个标签(因变量)对应于自变量的同一类别。当算法试图建立一个模型时，在这个过程中，由于前面描述的数据集属性，它遇到了定义回归的问题，并抛出错误(矩阵的行数必须匹配(请参阅arg 2))。

相反，Marco的数据具有一些健康的多样性:在六个样本的数据集中，只有三个标签(b，c，e)和两个类别(0，1)。数据集是多样化和足够可靠的，算法可以处理它。

因此，为了使用adabag的boosting (使用名为rpart的回归树作为控件)，您应该使您的数据更加多样化和可靠。祝好运!