csv 读取数据集的“类变量需要成为一个因素”错误

Question

我希望离散化 machine-learning 数据集中的连续特征，特别是使用有监督的 discretisation。原来r [有一个包/方法]1，太棒了！但由于我不精通 R，我遇到了一些问题，如果您能提供帮助，我将不胜感激。

我收到一个错误

类变量需要是一个因素。

我在网上看了一个例子，他们似乎没有这个问题，但我有。注意syntaxV2 ~ .我不太明白，除了V2应该是列名。

library(caret)
library(Rcpp)
library(arulesCBA)

filename <- "wine.data"
dataset <- read.csv(filename, header=FALSE)
dataset2 <- discretizeDF.supervised(V2 ~ ., dataset, method = "mdlp")

R 报如下错误：

.parseformula(formula, data) 中的错误：需要为类变量 一个因素！

您可以在这里找到数据集 wine.data：https://pastebin.com/hvDbEtMN discretizeDF.supervised 的第一个参数是一个公式，这似乎是问题所在。

请帮忙！提前谢谢你。

Answer 1

正如小插图中所写，这是为了实现：

几种将连续变量转换为 适用于关联规则挖掘的分类变量（因子） 并构建关联分类器。

如果您查看您的 V2 列，它是连续的：

test = read.csv("wine_dataset.txt",header=FALSE)
str(test)
'data.frame':   178 obs. of  14 variables:
 $ V1 : int  1 1 1 1 1 1 1 1 1 1 ...
 $ V2 : num  14.2 13.2 13.2 14.4 13.2 ...
 $ V3 : num  1.71 1.78 2.36 1.95 2.59 1.76 1.87 2.15 1.64 1.35 ...

您需要的是一个分类目标，以便算法可以找到合适的方法来离散化它以找到关联。例如：

#this cuts V2 into 4 categories according to where they fall in the range
test$V2 = factor(cut(test$V2,4,labels=1:4))
dataset2 <- discretizeDF.supervised(V2 ~ ., dataset, method = "mdlp")

以上是绕开的一种方法，但你需要想办法把V2切好。如果您需要将目标用作连续，那么您可以使用 arules 中的discretizeDF，而且我还看到您的第一列仅是 1,2,3：

test = read.csv("wine_dataset.txt",header=FALSE)
test2 = data.frame(test[,1:2],discretizeDF(test[,-c(1:2)]))