R caret 朴素贝叶斯精度为空

Question

我有一个 dataset 可以使用 SVM 和朴素贝叶斯进行训练。 SVM 有效，但朴素贝叶斯无效。关注下面的源码：

library(tools)
library(caret)
library(doMC)
library(mlbench)
library(magrittr)
library(caret)

CORES <- 5 #Optional
registerDoMC(CORES) #Optional

load("chat/rdas/2gram-entidades-erro.Rda")

set.seed(10)
split=0.60

maFinal$resposta <- as.factor(maFinal$resposta)
data_train <- as.data.frame(unclass(maFinal[ trainIndex,]))
data_test <- maFinal[-trainIndex,]

treegram25NotNull <- train(x = subset(data_train, select = -c(resposta)),
      y = data_train$resposta, 
      method = "nb",
      trControl = trainControl(method = "cv", number = 5, savePred=T, sampling = "up"))

treegram25NotNull

最终准确度为空

警告信息： 1: 在nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo, : 重新抽样的绩效指标中存在缺失值。 2：在 train.default(subset(data_train, select = -c(resposta)), data_train$resposta, 中： 在汇总结果中发现缺失值

任何帮助将不胜感激，谢谢。

Answer 1

修复非常简单：

set.seed(10)
split <- 0.60
maFinal[] <- lapply(maFinal, as.factor)

目前，您的所有变量（resposta 除外）都是数字。但是，它们最多只有 12~ 个不同的值，这意味着它们实际上都应该是因子变量。此外，其中许多是高度不平衡的。然后，在拆分样本时，问题在于将只有一个唯一值的（实际上是因子）变量视为连续变量。