我们如何使用多行在 r 中创建模型

问题描述

下面给出的是我的 R 代码，它使用 R 编程创建模型，以从钻石数据集中预测钻石的价格。在这里，我无法通过为每一行提供日志来创建模型。如果不使用 log，我会得到一个预测价格不正确的可怕模型。我也粘贴了显示的错误和数据集以供参考。

错误如下

> mod =(lm(log(price)~log(carat)+log(x)+log(y)+log(z),data=train))
Error in lm.fit(x,y,offset = offset,singular.ok = singular.ok,...) : 
  NA/NaN/Inf in 'x'

数据集链接附在此处： https://www.kaggle.com/shivam2503/diamonds

下面给出的是相同的代码

setwd ("C:/akash/study videos/virginia")
akash = read.csv("diamonds.csv")
#summary(akash)
ind = sample(2,nrow(akash),replace = TRUE,prob = c(0.8,0.2)) 
train = akash[ind==1,]
test = akash[ind==2,]
mod =(lm(log(price)~log(carat)+log(x)+log(y)+log(z),data=train))
summary(mod)
predicted = predict(mod,newdata = test)
mon = round(exp(predicted),0)
head(mon)
#head(test)
#View(akash)

解决方法

您的模型失败，因为您的变量 x,y,z 的最小值为 0，因此当您对这些变量进行对数转换时，您将获得 -inf：

lapply(c("x","y","z"),function(x)summary(log(diamonds[[x]])))

您可以尝试仅对结果进行对数转换，从转换中移除最小值，或者简单地更改模型。

仅举个例子：这里我比较了 lm 没有转换的 RMSE、lm 和 log(price) 转换的 RMSE，以及来自包 {{1} 的简单随机森林模型}.我使用 ranger 来使用相同的模型接口（默认情况下 caret 执行 25 次引导重采样以选择给定模型的最佳参数，因此在此示例中，只有随机森林有一些调整参数).

carte::train

这给了我：

library(ggplot2)#for "diamonds" dataset
data("diamonds")
set.seed(5)
ind = sample(2,nrow(diamonds),replace = TRUE,prob = c(0.8,0.2)) 
train = diamonds[ind==1,]
test = diamonds[ind==2,]

library(caret)
rf <- train(price~carat+x+y+z,data=train,method="ranger")
lm <- train(price~carat+x+y+z,method="lm")
lm_log <- train(log(price)~carat+x+y+z,method="lm")

RMSE(predict(rf,test),test$price)/mean(test$price)*100
RMSE(predict(lm,test$price)/mean(test$price)*100
RMSE(exp(predict(lm_log,test)),test$price)/mean(test$price)*100