使用Caret填充缺失值

Question

使用Caret填充缺失值

6

我正在参与Kaggle泰坦尼克号比赛，关于缺失值填充我有一个问题。我的训练集包含因子和数字，我想使用Caret包中的preProcess函数来填充缺失值，但在使用preProcess之前，我需要使用dummyVars函数将所有的因子转换为虚拟变量。

dummies  = dummyVars(survived ~ . -1, data = train, na.action = na.pass)
xtrain = predict(dummies, train)

然而，在使用dummyVars将因子转换的过程中，所有的NAs都被一些未知的算法预测出来，即使我已经指定了na.action = na.pass，所有缺失的age列都变成了1。我希望将我的因子转换为虚拟变量，但不要触及NAs，这样我就可以使用preProcess函数来填充它们。我该怎么做呢？

谢谢。

以下是需要翻译的内容：

dput here:

structure(list(survived = structure(c(1L, 2L, 2L, 2L, 1L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 1L, 2L, 1L, 2L), .Label = c("0", 
"1"), class = "factor"), pclass = structure(c(3L, 1L, 3L, 1L, 
3L, 3L, 1L, 3L, 3L, 2L, 3L, 1L, 3L, 3L, 3L, 2L, 3L, 2L, 3L, 3L
), .Label = c("1", "2", "3"), class = "factor"), sex = structure(c(2L, 
1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 
2L, 1L, 1L), .Label = c("female", "male"), class = "factor"), 
    age = c(22, 38, 26, 35, 35, NA, 54, 2, 27, 14, 4, 58, 20, 
    39, 14, 55, 2, NA, 31, NA), sibsp = c(1, 1, 0, 1, 0, 0, 0, 
    3, 0, 1, 1, 0, 0, 1, 0, 0, 4, 0, 1, 0), parch = c(0, 0, 0, 
    0, 0, 0, 0, 1, 2, 0, 1, 0, 0, 5, 0, 0, 1, 0, 0, 0), fare = c(7.25, 
    71.2833, 7.925, 53.1, 8.05, 8.4583, 51.8625, 21.075, 11.1333, 
    30.0708, 16.7, 26.55, 8.05, 31.275, 7.8542, 16, 29.125, 13, 
    18, 7.225), embarked = structure(c(4L, 2L, 4L, 4L, 4L, 3L, 
    4L, 4L, 4L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 3L, 4L, 4L, 2L), .Label = c("", 
    "C", "Q", "S"), class = "factor")), .Names = c("survived", 
"pclass", "sex", "age", "sibsp", "parch", "fare", "embarked"), row.names = c(NA, 
20L), class = "data.frame")

- mchangun

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- topepo · Accepted Answer

这是一个错误，NA值不应该是1（显然）。同时，您可以使用model.matrix生成虚拟变量，但是您可能需要一次性对所有数据进行操作。此外，如果您正在使用train，则可以使用公式方法。总的来说，这是更好的方法。

我会在接下来的几周内修复这个问题。我即将发布caret的新版本，这个问题以及UseR会让我有点延迟。

编辑：下周将发布新版本，修复了这个错误。

Max