我正在尝试在数据集上运行 kNN，但不断收到一些 NA 错误。我已经用尽了堆栈溢出，试图找到解决此问题的方法。我在任何地方都找不到任何有用的东西。
这是我正在使用的数据集：https://www.kaggle.com/tsiaras/uk-road-safety-accidents-and-vehicles
我已经将预测器和目标的每个单因子变量和整数变量转换为数字，以便它可以执行欧氏距离。我已经删除了所有 NA，但 kNN 不断抛出以下错误消息：
NAs introduced by coercionNAs introduced by coercionError in knn(train[2:nrow(train), c(11, 22, 23, 25, 27, 28)], test[(2:nrow(test)), :
NA/NaN/Inf in foreign function call (arg 6)
这是我如何转换所有预测变量并运行 kNN 的一个例子：
as.numeric(levels(test$Road_Type))[levels(test$Road_Type)]
as.numeric(levels(train$Road_Type))[levels(train$Road_Type)]
train <- na.exclude(train)
test <- na.exclude(test)
cl=as.numeric(train[2:nrow(train),5])
cl <- na.exclude(cl)
knn0 <- knn(train[2:nrow(train),c(11,22,23,25,27,28)], test[(2:nrow(test)),c(11,22,23,25,27,28)], cl)
我正在为所有列 11、22、23、25、27、28 以及目标做 as.numeric 的事情。我从 2 开始行，所以它不包括标签。在将参数传递到 kNN 函数之前，我还尝试运行以下代码：
sum(is.na(train[2:nrow(train),c(11,22,23,25,27,28)]))
sum(is.na(test[2:nrow(test),c(11,22,23,25,27,28)]))
sum(is.na(cl))
所有这 3 个都返回 0，因此在我将其传递到 kNN 函数之前没有 NA 值。
编辑
通过转换为数字来修复此问题，如下所示：
train$Road_Type <- as.numeric(as.integer(factor(train$Road_Type)))
感谢所有帮助过的人！
您需要始终查看数据。这有助于您和其他人回答问题。
如果我们检查您的数据，它看起来像这样：
str(df[, c(11, 22, 23, 25, 27, 28)])
'data.frame': 2047256 obs. of 6 variables:
$ Junction_Control : chr "Data missing or out of range" "Auto traffic signal" "Data missing or out of range" "Data missing or out of range" ...
$ Number_of_Vehicles : int 1 1 2 1 1 2 2 1 2 2 ...
$ Pedestrian_Crossing.Human_Control: int 0 0 0 0 0 0 0 0 0 0 ...
$ Police_Force : chr "Metropolitan Police" "Metropolitan Police" "Metropolitan Police" "Metropolitan Police" ...
$ Road_Type : chr "Single carriageway" "Dual carriageway" "Single carriageway" "Single carriageway" ...
$ Special_Conditions_at_Site : chr "None" "None" "None" "None" ...
如果我们将字符转换为数字会发生什么：
df$Police_Force <- as.numeric(df$Police_Forc)
df$Police_Force
[1] NA NA NA NA NA NA NA ....
Warning message:
NAs introduced by coercion
这在 R 中不起作用。但是，如果我们将它们设置为因子，然后将它们更改为数字，则问题就解决了。
df$Police_Force <- as.numeric(as.factor(df$Police_Forc))
df$Police_Force
[1] 30 30 30 30 30 30 30 ...
你的方法不起作用，因为变量不是因素而是特征。
levels(df$Road_Type)
NULL
as.numeric(levels(df$Road_Type))[levels(df$Road_Type)]
numeric(0)
由于您尚未显示数据导入 R 后的外观，因此我可能是错的。我使用了read.csv函数。
您确定已将数据转换为数字吗？ as.numeric() 不能就地工作，你必须分配它的结果，就像你用 cl 所做的那样。