Создайте модель, используя SVM в R - PullRequest
Новая
       8

Создайте модель, используя SVM в R

0 голосов
/ 03 апреля 2020

Мне нужна помощь в создании моделей SVM и кривой RO C в R. Я получил несколько ошибок: Ошибка в уровнях (data [, "pred"]): аргумент "data" отсутствует, по умолчанию нет. Ошибка: в каждой строке было найдено хотя бы одно пропущенное значение. Как мне это исправить? Заранее спасибо!! Вот ссылка на диск Google на набор данных: data

Вот код, который я пробовал: 

library(caret)
library(pROC)
fitControl <- trainControl(method = "repeatedcv",
                           number = 10, 
                           repeats= 10,
                           classProbs =  TRUE,
                           summaryFunction = twoClassSummary())            

data<-read.csv("full_train_binary.csv")

data_training<-subset(data[which(data$X==0),])
data_testing<-subset(data[which(data$X==1),])

training<-data_training
testing<-data_testing

cols_remove <- c("patient_sk","New_admitted_dt_tm", "New_discharge_dt_tm")

training<-training[,!(colnames(training)%in%cols_remove)]
testing<-testing[,!(colnames(testing)%in%cols_remove)]

set.seed(825)

start.time <- Sys.time()

svm_one <- train(death~., data = training, 
                 method = 'svmRadial',                   
                 trControl = fitControl, 
                 verbose = FALSE,
                 tunelength=5,
                 metric="ROC")
svm_one

end.time <- Sys.time()
time.taken <- end.time - start.time
time.taken


svm_one_pred <- predict(svm_one, newdata=testing,type = 'prob')
roc_svm_one <- roc(testing$death, as.vector(svm_one_pred[,1]))
pROC::auc(roc_svm_one)

Результат: 

> library(caret)
> library(pROC)
> fitControl <- trainControl(method = "repeatedcv",
+                            number = 10, 
+                            repeats= 10,
+                            classProbs =  TRUE,
+                            summaryFunction = twoClassSummary())            
Error in levels(data[, "pred"]) : 
  argument "data" is missing, with no default
> 
> data<-read.csv("full_train_binary.csv")
> 
> data_training<-subset(data[which(data$X==0),])
> data_testing<-subset(data[which(data$X==1),])
> 
> training<-data_training
> testing<-data_testing
> 
> cols_remove <- c("patient_sk","New_admitted_dt_tm", "New_discharge_dt_tm")
> 
> training<-training[,!(colnames(training)%in%cols_remove)]
> testing<-testing[,!(colnames(testing)%in%cols_remove)]
> 
> set.seed(825)
> 
> start.time <- Sys.time()
> 
> svm_one <- train(death~., data = training, 
+                  method = 'svmRadial',                      
+                  trControl = fitControl, 
+                  verbose = FALSE,
+                  tunelength=5,
+                  metric="ROC")
Error: Every row has at least one missing value were found
> svm_one
Support Vector Machines with Radial Basis Function Kernel 

4911 samples
1954 predictors
   2 classes: 'False', 'True' 

No pre-processing
Resampling: Cross-Validated (5 fold) 
Summary of sample sizes: 3928, 3928, 3929, 3930, 3929 
Resampling results across tuning parameters:

  sigma         C          Accuracy   Kappa        
  1.976927e-05  192.56972  0.7448586  -0.0004065338
  2.778991e-05  242.26352  0.7446545   0.0007460142
  3.273858e-05   14.39494  0.7450623   0.0000000000

Accuracy was used to select the optimal model using the largest value.
The final values used for the model were sigma = 3.273858e-05 and C
 = 14.39494.
> 
> end.time <- Sys.time()
> time.taken <- end.time - start.time
> time.taken
Time difference of 0.395869 secs
> 
> 
> svm_one_pred <- predict(svm_one, newdata=testing,type = 'prob')
Error in eval(predvars, data, env) : object 'patient_sk' not found
> roc_svm_one <- roc(testing$death, as.vector(svm_one_pred[,1]))
Error in as.vector(svm_one_pred[, 1]) : object 'svm_one_pred' not found
> pROC::auc(roc_svm_one)
Error in pROC::auc(roc_svm_one) : object 'roc_svm_one' not found

1 Ответ

0 голосов
/ 03 апреля 2020

Хорошо, я могу получить только 25 строк ваших файлов, и я как-то закончил 200+ столбцами всех нулей, когда я прочитал в full_train_binary.csv.

Рассматривая вышеприведенный вывод, кажется, что вы 4000 строк, поэтому я просто внесу некоторые предложения в ваш код ниже (с комментариями в #) и, надеюсь, вы сможете запустить его без ошибок: 

library(caret)
library(pROC)
# just twoClassSummary without ()
fitControl <- trainControl(method = "repeatedcv",
                            number = 10, 
                            repeats= 10,
                            classProbs =  TRUE,
                            summaryFunction = twoClassSummary)            

data<-read.csv("full_train_binary.csv")
cols_remove <- c("patient_sk","New_admitted_dt_tm", "New_discharge_dt_tm")
# remove this here

data = data[,setdiff(colnames(data),cols_remove)]
# create an index to train 70% of your data
#your previous subset(..) just doesn't make sense

idx = sample(nrow(data),round(0.7*nrow(data)))
data_training<-data[idx,]
data_testing<-data[-idx,]

svm_one <- train(death~., data = training, 
                  method = 'svmRadial',                      
                  trControl = fitControl, 
                  verbose = FALSE,
                  tunelength=5,
                  metric="ROC")

svm_one_pred <- predict(svm_one, newdata=testing,type = 'prob')
roc_svm_one <- roc(testing$death, as.vector(svm_one_pred[,1]))
...