R语言 带有插入符号 SVM 警告消息的文本 2Vec 分类

Question

我正在研究text2vec包和caret的文本分类问题。我正在使用text2vec构建文档术语矩阵，然后再使用caret构建不同的模型。目标是使用标记的训练数据识别两个字符串之间的字符串相似性。

但是，在训练线性 SVM 模型时，我收到许多警告消息，摘录如下：

警告消息： 1：在 svm.default(x = as.matrix(x)， y = y， kernel = "linear"， ... ：
变量 'influenza' 和 'Perindoprilindapamide'和'bisoprololhct.1'和'creon.1'和'kreon.1'和'paratramadol.1'常数。无法缩放数据。

您能否帮助我了解这些警告以及如何解决无法缩放数据的问题？

原始训练数据的摘录：

ID          MAKTX_Keyword       PH_Level_04_Keyword   Result 
266325638   AMLODIPINE          AMLODIPINE              0 
724712821   IRBESARTANHCTZ      IRBESARTANHCTZ          0 
567428641   RABEPRAZOLE         RABEPRAZOLE             0 
137472217   MIRTAZAPINE         MIRTAZAPINE             0 
175827784   FONDAPARINUX        ARIXTRA                 1 
456372747   VANCOMYCIN          VANCOMYCIN              0 
653832438   BRUFEN              IBUPROFEN               1 
917575539   POTASSIUM           POTASSIUM               0     
222949123   DIOSMINHESPERIDIN   DIOSMINHESPERIDIN       0 
892725684   IBUPROFEN           IBUPROFEN               0

构建 SVM 模型的代码：

control <- trainControl(method="repeatedcv", number=10, repeats=3, savePredictions=TRUE, classProbs=TRUE)
Train_PRDHA_String.df$Result <- ifelse(Train_PRDHA_String.df$Result == 1, "X", "Y")
(warn=1)
(warnings=2)
t1 = Sys.time()
svm_Linear <- train(x = as.matrix(dtm_train), y = as.factor(Train_PRDHA_String.df$Result),
method = "svmLinear2",
trControl=control,
tuneLength = 5,
metric ="Accuracy")
print(difftime(Sys.time(), t1, units = 'sec'))

Answer 1

这意味着，当这些变量被重新采样时，它们只有一个唯一值。您可以使用preProc = "zv"来摆脱警告。