我有一个在 R 中创建的数据集。它的结构如下:
> head(btc_data)
Date btc_close eth_close vix_close gold_close DEXCHUS change
1647 2010-07-18 0.09 NA NA NA NA 0
1648 2010-07-19 0.08 NA 25.97 115.730 NA -1
1649 2010-07-20 0.07 NA 23.93 116.650 NA -1
1650 2010-07-21 0.08 NA 25.64 115.850 NA 1
1651 2010-07-22 0.05 NA 24.63 116.863 NA -1
1652 2010-07-23 0.06 NA 23.47 116.090 NA 1
我正在尝试使用 k 均值对观察结果进行聚类。但是,我收到以下错误消息:
> km <- kmeans(trainingDS, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In storage.mode(x) <- "double" : NAs introduced by coercion
这是什么意思?我对数据的预处理是否错误?我能做什么来修复它?我不能删除 NA,因为在 4500 个初始观察中,如果我运行完整案例
,我只剩下 100 个观察。
基本上,我希望基于值为 -1,0,1 的 change
列形成 3 个簇。然后,我希望分析每个集群的组成部分,以找到最强的变化预测因素。还有哪些其他算法对此最有用?
我还尝试使用以下代码删除所有 NA 值,但仍然收到相同的错误消息:
> complete_cases <- btc_data[complete.cases(btc_data), ]
> km <- kmeans(complete_cases, 3, nstart = 20)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In storage.mode(x) <- "double" : NAs introduced by coercion
> sum(!sapply(btc_data, is.finite))
[1] 8008
> sum(sapply(btc_data, is.nan))
[1] 0
>
> sum(!sapply(complete_cases, is.finite))
[1] 0
> sum(sapply(complete_cases, is.nan))
[1] 0
数据格式如下:
> sapply(btc_data, class)
Date btc_close eth_close vix_close gold_close DEXCHUS change
"Date" "numeric" "numeric" "numeric" "numeric" "numeric" "factor"
最佳答案
出现此错误消息的原因有多种,特别是在存在无效数据类型(NA、NaN、Inf)或日期的情况下。让我们来看看它们:
但首先,让我们检查它是否适用于 mtcars
数据集,因为我将使用它:
kmeans(mtcars, 3)
K-means clustering with 3 clusters of sizes 9, 7, 16
--- lengthy output omitted
可能的问题 1:无效数据类型:NA/NaN/Inf
df <- mtcars
df[1,1] <- NA
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
df[1,1] <- Inf
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
df[1,1] <- NaN
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
您可以使用以下命令检查这些值:
df[1:3,1] <- c(NA, Inf, NaN) # one NA, one Inf, one NaN
sum(sapply(df, is.na))
[1] 2
sum(sapply(df, is.infinite))
[1] 1
sum(sapply(df, is.nan))
[1] 1
为了摆脱这些,我们可以删除相应的观察结果。但请注意,complete.cases
不会删除 Inf
:
complete_df <- df[complete.cases(df),]
sum(sapply(complete_df, is.infinite))
[1] 1
相反,使用例如
df[apply(sapply(df, is.finite), 1, all),]
您还可以重新分配这些值或估算它们,但这是一个完全不同的过程。
可能的问题 II:日期:请参阅以下内容:
library(lubridate)
df <- mtcars
df$date <- seq.Date(from=ymd("1990-01-01"), length.out = nrow(df), by=1)
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In kmeans(df, 3) : NAs introduced by coercion
您可以通过排除日期或将日期转换为其他内容来解决此问题,例如
df$newdate <- seq_along(df$date)
df$date <- NULL
kmeans(df, 3)
K-means clustering with 3 clusters of sizes 9, 7, 16
---- lengthy output omitted
或者您可以尝试在将日期传递给 kmeans
之前自行将日期强制为数字:
df <- mtcars
df$date <- seq.Date(from=ymd("1990-01-01"), length.out = nrow(df), by=1)
df$date <- as.numeric(df$date)
kmeans(df, 3)
K-means clustering with 3 clusters of sizes 9, 16, 7
--- lengthy output omitted
关于r - R 错误中的 K 均值聚类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46002289/