R - SVM 训练后的奇怪错误/警告 (e1071)

Question

我在训练 e1071 SVM 后遇到一个奇怪的错误。它是一个文本文档多类分类，基于大型 (10000x1000) 稀疏矩阵 (DTM)。特征（列）似乎有问题。

summary(svmModel) 有效。结果可能会更好（一如既往（;）。

但是，出了点问题，这可能是结果不一致的原因。

> svmModel <- svm(labels ~., data= train[,-1], cross = 10, seed = 1234, kernel="linear")

Warning message:
In svm.default(x, y, scale = scale, ..., na.action = na.action) :
  Variable(s) ‘abgebildet’ and 
...
‘could’ and  [... truncated]

Answer 1

在您的训练数据集中检查没有值的变量。一种方法是对所有列求和。

colSums(train[,!colnames(train)=yvar])

如果我无法移除的自变量的值为 0，我通常将分层样本作为训练数据集。这通常是为一个取值 0 和 1 的标志变量完成的。

#stratified sampling
library(sampling)
Training<- strata(train, stratanames = "emptyvar", size = c(1000,500))
#this creates a sample of size 1000 and 500 for 0 and 1 each
strata.train<-getdata(train,Training)
#it creates additional 3 columns which you can remove
train<-strata.train[,!colnames(strata.train) %in% c("ID_unit","Prob","Stratum")]

另一方面，您也可以将scale=F 添加到您的svm() 并预先缩放您的变量。这避免了 svm 函数缩放你的变量，这导致 z 值是一个 NaN，其中变量为空。但是，您希望缩放可以手动执行的变量。

cols<-c(1:5) #say you want to scale the first 5 variables
library(plyr)
standardize <- function(x) as.numeric((x - mean(x)) / sd(x))
train[cols] <- plyr::colwise(standardize)(train[cols])

Answer 2

如果有些词很少出现，那么训练数据中的相应特征可能只有 0 的可能性不大。我相信这可能会导致此警告。