SMOTE gera erro por problema de desequilíbrio de várias classes

9

Estou tentando usar o SMOTE para corrigir o desequilíbrio no meu problema de classificação de várias classes. Embora o SMOTE funcione perfeitamente no conjunto de dados da íris conforme o documento de ajuda do SMOTE, ele não funciona em um conjunto de dados semelhante. Aqui está a aparência dos meus dados. Observe que ele possui três classes com os valores 1, 2, 3.

> data
   looking risk every status
1        0    1     0      1
2        0    0     0      1
3        0    0     0      2
4        0    0     0      1
5        0    0     0      1
6        3    0     0      1
7        0    0     0      1
8        0    0     0      1
9        0    1     0      1
10       0    0     0      1
11       0    0     0      3
12       0    0     0      1
13       0    0     0      1
14       0    0     0      1
15       0    0     0      2

É na forma de dataframe, o mesmo que iris:

> class(data)
[1] "data.frame"

Aqui está o meu código usando SMOTE e o erro que ele lança:

> newData <- SMOTE(status ~ ., data, perc.over = 600,perc.under=100)
Error in scale.default(T, T[i, ], ranges) : subscript out of bounds
In addition: Warning messages:
1: In FUN(newX[, i], ...) :
  no non-missing arguments to max; returning -Inf
2: In FUN(newX[, i], ...) :
  no non-missing arguments to max; returning -Inf
3: In FUN(newX[, i], ...) :
  no non-missing arguments to max; returning -Inf
4: In FUN(newX[, i], ...) : no non-missing arguments to min; returning Inf
5: In FUN(newX[, i], ...) : no non-missing arguments to min; returning Inf
6: In FUN(newX[, i], ...) : no non-missing arguments to min; returning Inf
bronzeado
fonte
tente converter sua coluna de destino (ou seja, "status") em fator e considere marcar a postagem de @ xing abaixo como resposta.
Esverdeado

Respostas:

13

Eu encontrei um problema semelhante e resolvi transferindo os valores da classe ("status" no seu caso) para o tipo de fator. Após o uso data$status=factor(data$status), newDataimprime da seguinte maneira:

     looking risk every status
7          0    0     0      1
2          0    0     0      1
7.1        0    0     0      1
12         0    0     0      1
4          0    0     0      1
12.1       0    0     0      1
11         0    0     0      3
8         NA   NA    NA      3
9         NA   NA    NA      3
10        NA   NA    NA      3
111       NA   NA    NA      3
121       NA   NA    NA      3
13        NA   NA    NA      3

Sem erros!

xing
fonte
É uma pena que não esteja mencionado na SMOTEdocumentação que ele funcione apenas se os rótulos forem um fator!
Pop
para mim, chega. convertendo em fator corrigido.
Esverdeado