如何解决我们如何使用多行在 r 中创建模型
下面给出的是我的 R 代码,它使用 R 编程创建模型,以从钻石数据集中预测钻石的价格。在这里,我无法通过为每一行提供日志来创建模型。如果不使用 log,我会得到一个预测价格不正确的可怕模型。我也粘贴了显示的错误和数据集以供参考。
错误如下
> mod =(lm(log(price)~log(carat)+log(x)+log(y)+log(z),data=train))
Error in lm.fit(x,y,offset = offset,singular.ok = singular.ok,...) :
NA/NaN/Inf in 'x'
数据集链接附在此处: https://www.kaggle.com/shivam2503/diamonds
下面给出的是相同的代码
setwd ("C:/akash/study videos/virginia")
akash = read.csv("diamonds.csv")
#summary(akash)
ind = sample(2,nrow(akash),replace = TRUE,prob = c(0.8,0.2))
train = akash[ind==1,]
test = akash[ind==2,]
mod =(lm(log(price)~log(carat)+log(x)+log(y)+log(z),data=train))
summary(mod)
predicted = predict(mod,newdata = test)
mon = round(exp(predicted),0)
head(mon)
#head(test)
#View(akash)
解决方法
您的模型失败,因为您的变量 x,y,z
的最小值为 0,因此当您对这些变量进行对数转换时,您将获得 -inf
:
lapply(c("x","y","z"),function(x)summary(log(diamonds[[x]])))
您可以尝试仅对结果进行对数转换,从转换中移除最小值,或者简单地更改模型。
仅举个例子:这里我比较了 lm
没有转换的 RMSE、lm
和 log(price)
转换的 RMSE,以及来自包 {{1} 的简单随机森林模型}.我使用 ranger
来使用相同的模型接口(默认情况下 caret
执行 25 次引导重采样以选择给定模型的最佳参数,因此在此示例中,只有随机森林有一些调整参数).
carte::train
这给了我:
library(ggplot2)#for "diamonds" dataset
data("diamonds")
set.seed(5)
ind = sample(2,nrow(diamonds),replace = TRUE,prob = c(0.8,0.2))
train = diamonds[ind==1,]
test = diamonds[ind==2,]
library(caret)
rf <- train(price~carat+x+y+z,data=train,method="ranger")
lm <- train(price~carat+x+y+z,method="lm")
lm_log <- train(log(price)~carat+x+y+z,method="lm")
RMSE(predict(rf,test),test$price)/mean(test$price)*100
RMSE(predict(lm,test$price)/mean(test$price)*100
RMSE(exp(predict(lm_log,test)),test$price)/mean(test$price)*100
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。