質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.48%

  • 機械学習

    716questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • R

    323questions

    R言語は、「S言語」をオープンソースとして実装なおした、統計解析向けのプログラミング言語です。 計算がとても速くグラフィックも充実しているため、数値計算に向いています。 文法的には、統計解析部分はS言語を参考にしており、データ処理部分はSchemeの影響を受けています。 世界中の専門家が開発に関わり、日々新しい手法やアルゴリズムが追加されています。

Rでのrpartのfactor型使用時のクロスバリデーションについて

受付中

回答 0

投稿

  • 評価
  • クリップ 1
  • VIEW 850

YujiKasuya

score 2

前提・実現したいこと

Rでrpartを使ってfactorを含む特徴量を決定木で分類するプログラムを作成しています。
bootstrapのクロスバリデーションを使って分類性能を評価したいのですが、
学習時に使用されていないfactorの値(Level)が評価で使用されるとエラーが起こってしまい
うまく動きません。
もちろん、元データを変えて学習時に必ず全Levelを含むようなものに変えるということもありうるとは思うのですが、
データはいじらないようなライブラリとして提供したいので、
今回は元データを変えずに何とかする方法を探しています。

発生している問題・エラーメッセージ

Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = attr(object,  : 
  factor X3 has new levels  x5

該当のソースコード

library(bootstrap)
library(rpart)
library(rpart.plot)

fdata= read.csv("data.csv", header = T)

theta.fit <- function(x,y){
  xdata <- cbind(x,data.frame(answer=y))
  return( rpart(answer ~ X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8,
            data = xdata, method = "class" ,  control=rpart.control(minsplit=5, cp=0.02, loss=matrix(c(0,1,1,0), byrow=TRUE, nrow=2))))
}

theta.predict <- function(fit, x){ predict(fit, data.frame(x), type="class")}

xresult <- crossval(fdata[,-2], fdata[,2], theta.fit, theta.predict, ngroup = 100)
write.csv(xresult,"xresult2.csv")

試したこと

+ なるべく元データを変えてみる ⇒ かなり頑張ったがランダムに学習データが選ばれるので、確実に全levelが入るようにすることは困難
+ ngroupをいろいろ変えてみる ⇒ どの値でもエラーが出てしまう

補足情報(言語/FW/ツール等のバージョンなど)

Windows10でRStudio使用

下記は詳細

platform       x86_64-w64-mingw32          
arch           x86_64                      
os             mingw32                     
system         x86_64, mingw32             
status                                     
major          3                           
minor          2.5                         
year           2016                        
month          04                          
day            14                          
svn rev        70478                       
language       R                           
version.string R version 3.2.5 (2016-04-14)
nickname       Very, Very Secure Dishes   

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

まだ回答がついていません

関連した質問

同じタグがついた質問を見る

  • 機械学習

    716questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • R

    323questions

    R言語は、「S言語」をオープンソースとして実装なおした、統計解析向けのプログラミング言語です。 計算がとても速くグラフィックも充実しているため、数値計算に向いています。 文法的には、統計解析部分はS言語を参考にしており、データ処理部分はSchemeの影響を受けています。 世界中の専門家が開発に関わり、日々新しい手法やアルゴリズムが追加されています。