尝试使用 LASSO 执行 LDA

Question

PenalizedLDA( x = train_x, y =train_y) 返回

sort.int(x, na.last = na.last, 递减 = 递减, ...) 中的错误： “x”必须是原子的

我正在尝试在来自UCI 的 sampbase 数据集上使用带套索的线性判别分析。（我已将标题添加到列中，并在适当的情况下将列返回到区间 [0,1]。

我第一次运行代码时出错

PenalizedLDA(x = train_x, y = train_y) 中的错误： y 必须是数值向量，取值如下：1, 2, ....

我通过传递 train_y 解决了这个问题

train_y =as.list.numeric_version(training_set[,58])

当我再次运行它时，我得到了错误

sort.int(x, na.last = na.last, 递减 = 递减, ...) 中的错误： “x”必须是原子的

我在这里卡住了。

library(penalizedLDA)
data = read.csv("spambase.csv",header = TRUE)

new_data = data/100
new_data[,c(55,56,57,58)] = data[,c(55,56,57,58)]
new_data[,58]= factor(new_data[,58])

# Splitting dataset into Training set and Test set


set.seed(seeds)
split = sample.split(new_data$factor, SplitRatio = 0.7)
training_set = subset(new_data, split == TRUE)
test_set = subset(new_data, split == FALSE)

#scale data

training_set[-58] = scale(training_set[,-58])
test_set[-58] = scale(test_set[,-58])

train_x =training_set[,-58]
train_y =as.list.numeric_version(training_set[,58])
#Sparse linear discriminant Analysis
classifier = PenalizedLDA( x = training_set[,-58], y =training_set[,58],K = 1,lambda = "standard")

Answer 1

根据PenalizedLDA()的帮助页面，其参数y =应该是：

包含类标签的 n 向量。应编码为 1, 2, 。 . . , nclasses，其中 nclasses 是类的数量。

这意味着感兴趣的变量的级别（在您的情况下为位置 58）应该从 1 而不是 0 开始。此外，不要使用函数 as.list.numeric_version()，因为它创建一个列表，而向量是必填。

data = read.csv("...")

new_data = data/100
new_data[,c(55,56,57,58)] = data[,c(55,56,57,58)]
new_data[,58] = factor(new_data[,58] + 1)  # in order to start at 1 and not 0
new_data[-58] = scale(new_data[,-58])

classifier = PenalizedLDA(x = new_data[,-58], y = new_data[,58], K = 1, lambda = .1)