C5.0 arbre de décision - c50 code appelé à la sortie avec la valeur 1

Pour toute personne intéressée, les données peuvent être trouvés ici: http://www.kaggle.com/c/titanic-gettingStarted/data. Je pense que vous devez être enregistré pour pouvoir le télécharger.

Ce qui concerne votre problème, d'abord je pense que vous avez voulu écrire

new_model <- C5.0(train[,-2],train$Survived)

Prochain, de l'avis de la structure de la Cabin et Embarked Colonnes. Ces deux facteurs ont un caractère vide comme un nom de niveau (vérifier avec levels(train$Embarked)). C'est le point où C50 tombe. Si vous modifiez vos données, tels que

levels(train$Cabin)[1] = "missing"
levels(train$Embarked)[1] = "missing"

votre algorithme s'exécute sans erreur.

OriginalL'auteur Marco

Voici ce qui a fonctionné, enfin:-

Eu cette idée après la lecture de ce post

library(C50)
test$Survived <- NA
combinedData <- rbind(train,test)
combinedData$Survived <- factor(combinedData$Survived)
# fixing empty character level names 
levels(combinedData$Cabin)[1] = "missing"
levels(combinedData$Embarked)[1] = "missing"
new_train <- combinedData[1:891,]
new_test <- combinedData[892:1309,]
new_model <- C5.0(new_train[,-2],new_train$Survived)
new_model_predict <- predict(new_model,new_test)
submitC50 <- data.frame(PassengerId=new_test$PassengerId, Survived=new_model_predict)
write.csv(submitC50, file="c50dtree.csv", row.names=FALSE)

L'intuition sous-jacente est que de cette façon à la fois le train et test jeu de données de la cohérence des niveaux de facteur.

OriginalL'auteur himalayanZephyr

J'ai aussi eu quelques heures avec le même Problème (code de Retour "1") lors de la construction d'un modèle ainsi que lors de la prédiction.
Avec l'indicateur de réponse de Marco, j'ai écrit une petite fonction pour supprimer tous les niveaux de facteur égal à "" dans une trame de données ou de vecteur, voir code ci-dessous. Cependant, depuis la R ne permet pas de passer par référence à des fonctions, vous devez utiliser le résultat de la fonction (il ne peut pas changer le dataframe):

removeBlankLevelsInDataFrame <- function(dataframe) {
for (i in 1:ncol(dataframe)) {
levels <- levels(dataframe[, i])
if (!is.null(levels) && levels[1] == "") {
levels(dataframe[,i])[1] = "?"
}
}
dataframe
}
removeBlankLevelsInVector <- function(vector) {
levels <- levels(vector)
if (!is.null(levels) && levels[1] == "") {
levels(vector)[1] = "?"
}
vector
}

Appel des fonctions peut ressembler à ceci:

trainX = removeBlankLevelsInDataFrame(trainX)
trainY = removeBlankLevelsInVector(trainY)
model = C50::C5.0.default(trainX,trainY)

Cependant, il semble, que C50 a un Problème similaire avec des colonnes de caractères contenant une cellule vide, de sorte que vous aurez probablement à étendre cette mesure à gérer aussi les attributs de caractères si vous en avez.

OriginalL'auteur Thomas Philipp