r - 'dimnames' [2] 的 SMOTE 长度不等于数组范围

Question

我试图使用 SMOTE 对我的数据集进行 super 采样，但我一直遇到此错误。

trainSM <- SMOTE(conversion ~ ., train,perc.over = 1000,perc.under = 200)

Error in matrix(unlist(value, recursive = FALSE, use.names = FALSE), nrow = nr, : length of 'dimnames' [2] not equal to array extent

我的数据集如下:

          conversion horizon length_of_stay guests rooms price comp_price
            (dbl)   (int)          (int)  (int) (int) (int)      (int)
  1           1     193              2      2     1   199        210
  2           1     263              2      2     1   171         88
  3           1     300              3      2     1   164        164
  4           1      70              4      2     1    76         80
  5           1      65              6      2     2   260        260
  6           1      50              3      2     1   171        176
  7           1       4              3      2     1   158        167
  8           1      29              3      2     1   171        171
  9           0     130              1      2     1   161        160
  10          0      26              2      2     1   110        110

我尝试过仅使用数值预测变量，甚至分类预测变量。但两者都没有运气。

非常感谢任何帮助/指导。

Answer 1

将一个小标题的 data.frame 传递到 DMwR::SMOTE()会抛出这个错误。您可以使用 as.data.frame(your_train_data) 来解决这个问题'un-tibble' 你的 data.frame:

    trainSM <- SMOTE(conversion ~ ., as.data.frame(train), perc.over = 1000, perc.under = 200)

问题是SMOTE()使用单括号子集。 Tibbles(即 data.frame 变成 tibble::data_frame )对返回值更加严格:单括号子集总是返回数据框(即使结果只是单个向量甚至单个值)。

这是 SMOTE() 有问题的部分源代码:

# The idea here is to determine which level of the response variable appears least.
# Unfortunately, if data is a tibble, then data[,tgt] returns a data frame, 
# which of course, doesn't have any levels, so the value of minCL is always NULL
minCl <- levels(data[, tgt])[which.min(table(data[, tgt]))]

# this is where the error is thrown--you're testing a data frame against NULL
minExs <- which(data[, tgt] == minCl)