数据集必须包含 R 中 SVM 中的所有因素

Question

我正在尝试使用 R 中的支持向量机查找 class 新输入向量的概率。训练模型显示没有错误。

fit <-svm(device~.,data=dataframetrain,
    kernel="polynomial",probability=TRUE)

但是预测一些输入向量显示了一些错误。

predict(fit,dataframetest,probability=prob)
Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
contrasts can be applied only to factors with 2 or more levels

dataframetrain 看起来像：

> str(dataframetrain)
'data.frame':   24577 obs. of  5 variables:
 $ device   : Factor w/ 3 levels "mob","pc","tab": 1 1 1 1 1 1 1 1 1 1 ...
 $ geslacht : Factor w/ 2 levels "M","V": 1 1 1 1 1 1 1 1 1 1 ...
 $ leeftijd : num  77 67 67 66 64 64 63 61 61 58 ...
 $ invultijd: num  12 12 12 12 12 12 12 12 12 12 ...
 $ type     : Factor w/ 8 levels "A","B","C","D",..: 5 5 5 5 5 5 5 5 5 5 ...

dataframetest 看起来像：

> str(dataframetest)
'data.frame':   8 obs. of  4 variables:
 $ geslacht : Factor w/ 1 level "M": 1 1 1 1 1 1 1 1
 $ leeftijd : num  20 60 30 25 36 52 145 25
 $ invultijd: num  6 12 2 5 6 8 69 7
 $ type     : Factor w/ 8 levels "A","B","C","D",..: 1 2 3 4 5 6 7 8

我用 'geslacht' 的 2 个因子训练了模型，但有时我不得不只用 'geslacht' 的 1 个因子来预测数据。 class 概率是否可以用只有 'geslacht' 的 1 个因子的测试集来预测？

希望有人能帮帮我！！

Answer 1

向 geslacht 添加另一个级别（但不是数据）。

x <- factor(c("A", "A"), levels = c("A", "B"))
x
[1] A A
Levels: A B

或

x <- factor(c("A", "A"))
levels(x) <- c("A", "B")
x
[1] A A
Levels: A B

数据集必须包含 R 中 SVM 中的所有因素

must a dataset contain all factors in SVM in R

r

svm