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'))
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。