应该是具有相同水平、误差和参考的因素

Question

我有这段代码（如下），需要使用 CARET 并将数据集拆分为数据集中所有数据的 40% 应该在训练集中，其余的在测试集中；付款变量应该在拆分中平均分配，但是混淆矩阵行的代码给出了一个错误，上面写着：

“错误：数据和参考应该是同一水平的因素。”

编辑：支付变量是二项式变量，因此 0（否）和 1（是）。国内生产总值只是数字

示例数据集：（现在还不知道如何在此处制作表格）

payment    gdp 

0          838493

1         9303032

0          72738 

1        38300022

1         283283

如何解决这个问题？

我的代码：

 `index <- createDataPartition(y = dataset$payment, p = 0.40, list = F)
 trainset <- dataset[index, ]
 testset <- dataset[-index, ]

payment_knn <- train(payment ~ gdp, method = "knn", data = trainset, 
trControl = trainControl(method = 'cv', number = 5))
predicted_outcomes <- predict(payment_knn, testset)
conMX_pay <- confusionMatrix(predicted_outcomes, testset$payment) 
conMX_pay `

Answer 1

这纯粹是为了说明目的。确保测试数据与训练数据相同。

df<-df %>% 
  mutate(payment=as.factor(payment),gdp=as.numeric(gdp))
metric<-"Accuracy"
control<-trainControl(method="cv",number = 10)
train_set<-createDataPartition(df$payment,p=0.8,list=F)
valid_me<-df[-train_set,]
train_me<-df[train_set,]
#Training
  set.seed(233)       

fit.knn<-train(payment~.,method="knn",data=train_me,metric=metric,trControl=control)
    validated<-predict(fit.knn,valid_me)
    confusionMatrix(validated,valid_me$payment)

考虑到您问题中的数据，这可以正常工作。警告，因为数据集太小。纯粹为了说明。 使用的数据：

payment      gdp
1       0   838493
2       1  9303032
3       0    72738
4       1 38300022
5       1   283283

干杯！