C5.0 дерево решений-код c50, называемый exit со значением 1
Я получаю следующую ошибку
код c50 называется exit со значением 1
Я делаю это на Титанике данных Kaggle
# Importing datasets
train <- read.csv("train.csv", sep=",")
# this is the structure
str(train)
выход :-
'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 ...
затем я попытался использовать 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$Survived)
таким образом, запуск вышеуказанных строк дает мне эту ошибку
c50 code called exit with value 1
Я не могу понять, что происходит не так? Я использовал аналогичный код в разных dataset, и он работает нормально. Есть идеи о том, как я могу отладить свой код?
-спасибо
5 ответов
для всех, кто заинтересован, данные можно найти здесь:http://www.kaggle.com/c/titanic-gettingStarted/data. Я думаю, что вам нужно зарегистрироваться, чтобы загрузить его.
что касается вашей проблемы, во-первых, я думаю, что вы хотели написать
new_model <- C5.0(train[,-2],train$Survived)
далее обратите внимание на структуру Cabin
и Embarked
столбцы. Эти два фактора имеют пустой символ в качестве имени уровня (проверьте с levels(train$Embarked)
). Это точка, где C50
падает. Если вы измените ваши данные, такие, что
levels(train$Cabin)[1] = "missing"
levels(train$Embarked)[1] = "missing"
ваш алгоритм будет работать без ошибок.
вот что получилось в итоге:-
получил эту идею после прочтения этого в должности
library(C50)
test$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)
интуиция за этим заключается в том, что таким образом как поезд, так и набор тестовых данных будут иметь последовательные уровни факторов.
на всякий случай. Вы можете взглянуть на ошибку
summary(new_model)
также Эта ошибка возникает при наличии специальных символов в имени переменной. Например, вы получите эту ошибку, если в имени переменной есть символ"я" (это из русского алфавита).
у меня была такая же ошибка, но я использовал числовой набор данных без пропущенных значений.
спустя долгое время я обнаружил, что мой набор данных имеет предсказательный атрибут "outcome"
и C5.0Control
использовать это имя, и это было причиной ошибки :'(
мое решение состояло в изменении имени столбца. Другой способ, было бы создать C5.0Control
object и измените значение атрибута label, а затем передайте этот объект в качестве параметра для метода C50.
Я также несколько часов боролся с той же проблемой (код возврата "1") при построении модели, а также при прогнозировании. С намеком на ответ Марко я написал небольшую функцию, чтобы удалить все уровни факторов, равные "" в фрейме данных или векторе, см. код ниже. Однако, поскольку R не позволяет передавать по ссылке на функции, вы должны использовать результат функции (он не может изменить исходный фрейм данных):
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
}
вызов функций может выглядеть так это:
trainX = removeBlankLevelsInDataFrame(trainX)
trainY = removeBlankLevelsInVector(trainY)
model = C50::C5.0.default(trainX,trainY)
однако, похоже, что C50 имеет аналогичную проблему с символьными столбцами, содержащими пустую ячейку, поэтому вам, вероятно, придется расширить это, чтобы обрабатывать также атрибуты символов, если у вас есть некоторые.