带有插入符号 SVM 警告消息的 Text2Vec 分类

Question

我正在使用 text2vec 包和 caret 处理文本分类问题。在使用 caret 构建不同模型之前，我正在使用 text2vec 构建文档术语矩阵。目标是使用标记的训练数据识别两个字符串之间的字符串相似性。

但是，在训练线性 SVM 模型时，我收到许多警告消息，摘录如下：

Warning messages: 1: In svm.default(x = as.matrix(x), y = y, kernel = "linear", ... :
Variable(s) ‘influenza’ and ‘perindoprilindapamide’ and ‘bisoprololhct.1’ and ‘creon.1’ and ‘kreon.1’ and ‘paratramadol.1’ constant. Cannot scale data.

能否请您帮助我理解这些警告以及如何解决无法缩放数据？

原始训练数据的摘录：

ID          MAKTX_Keyword       PH_Level_04_Keyword   Result 
266325638   AMLODIPINE          AMLODIPINE              0 
724712821   IRBESARTANHCTZ      IRBESARTANHCTZ          0 
567428641   RABEPRAZOLE         RABEPRAZOLE             0 
137472217   MIRTAZAPINE         MIRTAZAPINE             0 
175827784   FONDAPARINUX        ARIXTRA                 1 
456372747   VANCOMYCIN          VANCOMYCIN              0 
653832438   BRUFEN              IBUPROFEN               1 
917575539   POTASSIUM           POTASSIUM               0     
222949123   DIOSMINHESPERIDIN   DIOSMINHESPERIDIN       0 
892725684   IBUPROFEN           IBUPROFEN               0

构建 SVM 模型的代码：

control <- trainControl(method="repeatedcv", number=10, repeats=3, savePredictions=TRUE, classProbs=TRUE)

Train_PRDHA_String.df$Result <- ifelse(Train_PRDHA_String.df$Result == 1, "X", "Y")

(warn=1)
(warnings=2)

t1 = Sys.time()
svm_Linear <- train(x = as.matrix(dtm_train), y = as.factor(Train_PRDHA_String.df$Result),
                    method = "svmLinear2",
                    trControl=control,
                    tuneLength = 5,
                    metric ="Accuracy")
print(difftime(Sys.time(), t1, units = 'sec'))

Answer 1

也就是说，当这些变量被重采样时，它们只有一个唯一值。您可以使用 preProc = "zv" 来消除警告。

带有插入符号 SVM 警告消息的 Text2Vec 分类

Text2Vec classification with caret SVM warning message

r

svm

r-caret

text2vec