为什么 R 将此 data.frame 对象视为列表？

Question

我正在尝试对我使用MASS 包将几个变量除以 R 中的附加缩放变量（此处未显示）创建的 data.frame 运行最小判别分析 (lda())。下面是一个示例数据集和我正在使用的重现错误的代码示例版本。

class   Var1    Var2    Var3    Var4
2   0.732459522 0.973014649 0.612952968 0.127216654
3   0.76692254  0.990230286 0.629448709 0.104675506
2   0.847487002 1.021663778 0.649046794 0.187175043
3   0.823583181 1.050274223 0.673674589 0.170018282
1   0.796279894 1.058458813 0.583702391 0.222320638
2   0.925681255 1.009909166 0.636663914 0.205615194
2   0.627334465 1.074702886 0.59762309  0.23344652
3   0.980376124 1.011447261 0.646770237 0.232215863
3   0.79342723  1.048826291 0.750234742 0.248826291
1   0.960655738 1.042622951 0.6 0.262295082
2   0.963788301 1.005571031 0.590529248 0.233983287
1   1.013157895 1.049342105 0.657894737 0.223684211
2   1.211538462 1.060897436 0.733974359 0.288461538
3   1.25083612  1.023411371 0.759197324 0.311036789
3   0.959196485 1.009416196 0.635907094 0.12868801
1   0.823681936 1.005185825 0.590319793 0.219533276
2   0.777508091 0.998381877 0.624595469 0.165048544
3   0.749114103 0.985825656 0.585400425 0.133947555
1   0.816999133 1.036426713 0.604509974 0.197745013

data<-read.csv("data.csv",header=TRUE)
data_train<-na.omit(data)
scores_train<-data_train[-c(1)]
lda_train<-lda(data_train$class~scores_train,prior = c(1,1,1)/3,CV=TRUE)
scores_test<-data[-c(1)]
lda_test<-predict(lda_train,as.data.frame(scores_test),prior = c(1,1,1)/3)

lda_train<-lda(data_train$class~as.matrix(scores_train),prior = c(1,1,1)/3,CV=TRUE)
class(scores_train)
class(scores_test)

当我尝试使用数据集执行 lda 时，我收到以下错误消息。

Error in model.frame.default(formula = data_train$class ~ scores_train) : 
  invalid type (list) for variable 'scores_train'

我可以通过使用as.matrix 将数据强制转换为矩阵格式来强制数据正常工作。值得注意的是，尝试使用as.data.frame() 和data.frame() 做类似的事情是行不通的。但是，当我尝试将生成的判别函数应用于整个数据集时，我收到以下消息...

Error in UseMethod("predict") : 
  no applicable method for 'predict' applied to an object of class "list"

但是，当我检查使用 class() 的对象的类时，它说这两个对象都是 data.frame 格式。我检查了数据集以查看是否有任何不完整的行或列可能导致它将它们视为一系列列表而不是单个 data.frame，但没有缺失值。同样，这似乎不是由于任何变量的名称。

我不确定为什么 R 将对象视为列表而不是 data.frame（从而导致最小判别分析失败），尤其是当它识别出对象属于 data.frame 类时。

Answer 1

对于 lda，您必须提供公式，因此如果您提供数据框，则以下内容有效：

lda_train<-lda(class ~ .,data=data_train,prior = c(1,1,1)/3,CV=TRUE)

如果您不提供公式，请执行以下操作：

lda(grouping=data_train$class,x=data_train[,-1],prior = c(1,1,1)/3, CV=TRUE)

当你使用 CV=TRUE 时，它使用 leave-one-out 交叉验证给你后验，但不幸的是它无法保留模型，你可以看到它：

class(lda_train)
[1] "list"

要进行预测，您需要使用 CV=FALSE 进行训练。您提供与用于训练的列具有相同列的 data.frame 或矩阵，在您的情况下，它将是：

lda_train<-lda(class ~ .,data=data_train,prior = c(1,1,1)/3)
data_test=data.frame(Var1=rnorm(10),Var2=rnorm(10),
Var3=rnorm(10),Var4=rnorm(10))
predict(lda_train,data_test)

对于MASS中的lda，没有可以从训练中获得超参数，所以也许你想详细说明一下为什么需要交叉验证？

如果您想探索它，以下是您可以为 lda 运行交叉验证的方法（注意使用 lda2）：

data_train$class =factor(data$class)
lda_train = train(class ~ .,data=data_train,method="lda2",
trControl = trainControl(method = "cv"))
predict(lda_train,data_test)

Answer 2

formula 参数正在寻找一个结构化公式来声明变量之间的关系。每个命名的变量必须是一个向量。您可以在声明数据参数时传递同一数据框中的所有名称：

lda(class ~ Var1 + Var2 + Var3 + Var4, 
    data = data, prior = c(1,1,1)/3, CV=TRUE)

或者单独传递列：

lda(data$class ~ scores_train$Var1 +  
      scores_train$Var2 + 
      scores_train$Var3 + 
      scores_train$Var4, 
    prior = c(1,1,1)/3, CV=TRUE)

对于predict不接受作为对象的问题，需要将CV改为FALSE，否则只会返回一个列表（不是predict需要的lda对象）：

model <- lda(data$class ~ scores_train$Var1 +  
      scores_train$Var2 + 
      scores_train$Var3 + 
      scores_train$Var4, 
    prior = c(1,1,1)/3, CV=FALSE)

predict(model)