ROSE处理不平衡数据集时如何解决错误的变量类型错误？答案

【问题标题】：How to solve the wrong variable type error when handling imbalance dataset by ROSE in R?ROSE处理不平衡数据集时如何解决错误的变量类型错误？
【发布时间】：2021-10-06 02:05:08
【问题描述】：

我正在使用Fraud Transaction data 学习 R。当我尝试使用 ROSE 处理不平衡数据集时，弹出only handle continuous and categorical variables 错误。

这是我尝试过的：

str(dataset)
'data.frame':   6362620 obs. of  13 variables:
 $ step            : int  1 1 1 1 1 1 1 1 1 1 ...
 $ type            : chr  "PAYMENT" "PAYMENT" "TRANSFER" "CASH_OUT" ...
 $ amount          : num  9840 1864 181 181 11668 ...
 $ nameOrig        : chr  "C1231006815" "C1666544295" "C1305486145" "C840083671" ...
 $ oldbalanceOrg   : num  170136 21249 181 181 41554 ...
 $ newbalanceOrig  : num  160296 19385 0 0 29886 ...
 $ nameDest        : chr  "M1979787155" "M2044282225" "C553264065" "C38997010" ...
 $ oldbalanceDest  : num  0 0 0 21182 0 ...
 $ newbalanceDest  : num  0 0 0 0 0 ...
 $ isFraud         : int  0 0 1 1 0 0 0 0 0 0 ...
 $ isFlaggedFraud  : int  0 0 0 0 0 0 0 0 0 0 ...
 $ balancedOfOrigin: num  -9840 -1864 -181 -181 -11668 ...
 $ balancedOfDest  : num  0 0 0 21182 0 ...

datadata_ROSE <- ROSE(isFraud~., data = dataset, N = 500, seed = 111)$data

有错误：

rose.sampl 中的错误（n，N，p，ind.majo，majoY，ind.mino， minoY, y, classy, : ROSE 句柄的当前实现只有连续变量和分类变量。

调试：

# change the isFraud attribute into category 0/1
dataset$isFraud = as.factor(dataset$isFraud)
datadata_ROSE <- ROSE(isFraud~., data = dataset, N = 500, seed = 111)$data

最后还是无法解决错误。如何使数据集适合 ROSE 模型？

【问题讨论】：

标签： r dataframe imbalanced-data

【解决方案1】：

正如您在str 部分中看到的，type、nameOrig、nameDest 仍然是字符而不是因素。它将与将它们更改为因子一起工作。但是当我查看nameOrig和nameDest时，似乎不适合包含在ROSE中。

dummy2 <- head(dataset, 100)

dummy2$isFraud = as.factor(dummy2$isFraud)

#additional part.
dummy2 <- dummy2 %>%
  mutate(type = factor(type),
         nameDest = factor(nameDest),
         nameOrig = factor(nameOrig))
dummy3 <- ROSE(isFraud~., data = dummy2, N = 500, seed = 111)$data

【讨论】：

感谢您的简短解释！！还有一个问题，我看到很多函数都有参数seed。从文档中，它告诉它跟踪生成的样本。我猜它控制生成数据的随机性？通常我应该设置多大或多小？
@WILLIAM seed 是在拟合 ROSE 时修复随机性。您可能会得到恒定的结果，也可以复制给其他人。建议将其修复为您想要的。大或小无所谓。由于您将seed 用作111，因此可以在拟合该模型时保留111。