中的R错误

Question

K均值聚类我有在R.已经创建它的结构如下数据集：

> 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 

我试图集群中使用k均值的意见。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？我是否错误地预处理了数据？我能做些什么来解决它？我不能删除NA，因为在4500次最初的观察中，如果我运行complete cases我只剩下100个观察值。

本质上，我希望根据change列的值为-1,0,1形成3个簇。然后，我希望分析每个群集的组成部分，找出变化的最强预测因素。还有哪些其他算法对此更有用？

我也试图消除所有的NA值使用下面的代码，但我仍然得到同样的错误信息：

> 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 

下面是数据的格式：

> sapply(btc_data, class) 
     Date btc_close eth_close vix_close gold_close DEXCHUS  change 
    "Date" "numeric" "numeric" "numeric" "numeric" "numeric" "factor" 

Answer 1

有是获取此错误消息的各种原因，尤其是在存在无效数据类型（NA，NaN，Inf）或日期的情况下。让我们通过他们：

但首先，让我们来检查它的工作原理与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 

可能出现的问题1：无效的数据类型：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) 

您可以使用以下方式检查这些值：

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 

要摆脱这些，我们可以删除相应的观察值。但是请注意，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),] 

您也可以重新分配这些值或对它们进行推测，但这是一个完全不同的过程。

可能出现的问题二：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 

您可以排除的日期或通过转换日期别的东西，例如解决这个问题

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 

或者你可以试着将其转换日期为数字自己，你把它传递给kmeans前：

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