R Fehler : einige Gruppe ist zu klein für 'qda'

Benutzte ich die qda{MASSE} zu finden, die classfier für meine Daten und es immer gemeldet "some group is too small for 'qda'". Ist es aufgrund der Größe des test-Daten, die ich verwendet für das Modell ? Ich erhöhte das test-sample-Größe von 30 bis 100, es berichtet den gleichen Fehler. Helpppppppp.....

set.seed(1345)
AllMono <- AllData[AllData$type == "monocot",]
MonoSample <- sample (1:nrow(AllMono), size = 100, replace = F)
set.seed(1355)
AllEudi <- AllData[AllData$type == "eudicot",]
EudiSample <- sample (1:nrow(AllEudi), size = 100, replace = F)
testData <- rbind (AllMono[MonoSample,],AllEudi[EudiSample,])
plot (testData$mono_score, testData$eudi_score, col = as.numeric(testData$type), xlab = "mono_score", ylab = "eudi_score", pch = 19)
qda (type~mono_score+eudi_score, data = testData)

Hier meine Daten Beispiel

>head (testData)
                              sequence mono_score eudi_score    type
PhHe_4822_404_76       DTRPTAPGHSPGAGH    51.4930   39.55000 monocot
SoBi_10_265860_58      QTESTTPGHSPSIGH    33.1408    2.23333 monocot
EuGr_5_187924_158        AFRPTSPGHSPGAGH    27.0000   54.55000 eudicot
LuAn_AOCW01152859.1_2_79 NFRPTEPGHSPGVGH    20.6901   50.21670 eudicot
PoTr_Chr07_112594_90     DFRPTAPGHSPGVGH    43.8732   56.66670 eudicot
OrSa.JA_3_261556_75    GVRPTNPGHSPGIGH    55.0986   45.08330 monocot
PaVi_contig16368_21_57 QTDSTTPGHSPSIGH    25.8169    2.50000 monocot

>testData$type <- as.factor (testData$type)

> dim (testData)
[1] 200   4

> levels (testData$type)
[1] "eudicot" "monocot" "other" 

> table (testData$type)
eudicot monocot   other 
    100     100       0

> packageDescription("MASS")
Package: MASS
Priority: recommended
Version: 7.3-29
Date: 2013-08-17
Revision: $Rev: 3344 $
Depends: R (>= 3.0.0), grDevices, graphics, stats, utils

Meine R version R 3.0.2.

Der test in MASS:::qda.default ist if (any(counts < p + 1)) stop("some group is too small for 'qda'") wo counts ist die Anzahl der Ereignisse in jeder Kategorie p ist die Anzahl der Spalten in der Prädiktor-matrix ...
Also die Anzahl der Ereignisse in jeder Kategorie, in meiner situation, ist die Anzahl der vorkommen in den einzelnen Typen (die abhängige variable im Modell), richtig? Das p ist die Anzahl der Spalten in der Testdaten? Ich habe nur zwei Kategorien, in "Art" --- "mono" und "eudi", sowohl die Zahl 100, da probierte ich Sie mit Größe 100. p 3 (es gibt drei Spalten, in der Testdaten--mono_score, eudi_score und-Typ). Ich denke, meine Einstellung erfüllt die "alle(counts > p + 1)"
es ist schwer zu gehen, viel weiter helfen, dass Sie ohne reproduzierbar (tinyurl.com/reproducible000)
Ich platziert haben, die Daten obigen Beispiel jetzt. Danke:) Ist das Ok?
Nein, aber ich habe eine Vermutung (siehe unten).

InformationsquelleAutor user2993059 | 2013-12-09

  1. 2

    tl;dr meine Vermutung ist, dass Ihr Prädiktor-Variablen habe in Faktoren oder character-Vektoren durch Unfall. Dies kann leicht passieren, wenn Sie haben einige kleinere Fehler in Ihrem Datensatz, wie eine störende Zeichen in einer Zeile.

    Hier ist ein Weg, um ein Daten-set, das aussieht wie deins:

    set.seed(101)
mytest <- data.frame(type=rep(c("monocot","dicot"),each=100),
                 mono_score=runif(100,0,100),
                 dicot_score=runif(100,0,100))

    Einige nützliche Diagnostik:

    str(mytest)
## 'data.frame':    200 obs. of  3 variables:
## $ type       : Factor w/2 levels "dicot","monocot": 2 2 22 2 2 2 ...
##  $ mono_score : num  37.22 4.38 70.97 65.77 24.99 ...
##  $ dicot_score: num  12.5 2.33 39.19 85.96 71.83 ...
summary(mytest)
##       type       mono_score      dicot_score     
##  dicot  :100   Min.   : 1.019   Min.   : 0.8594  
##  monocot:100   1st Qu.:24.741   1st Qu.:26.7358  
##                Median :57.578   Median :50.6275  
##                Mean   :52.502   Mean   :52.2376  
##                3rd Qu.:77.783   3rd Qu.:78.2199  
##                Max.   :99.341   Max.   :99.9288  
## 
with(mytest,table(type))
## type
##   dicot monocot 
##    100     100

    Allem die ersten beiden (str() und summary()) zeigen Sie uns, was Typ jede variable ist. Update: es stellt sich heraus, der Dritte test ist eigentlich das wichtige in diesem Fall, da das problem war eine vermeidbare zusätzliche Ebene: die droplevel() Funktion sollte sich darum kümmern, dieses problem ...

    Diese made-up Beispiel scheint zu funktionieren, also muss es etwas sein, was man nicht zeigt Sie uns Ihre Daten ...

    library(MASS)
qda(type~mono_score+dicot_score,data=mytest)

    Hier ist eine Vermutung. Wenn Ihr score Variablen wurden tatsächlich Faktoren eher als numerische, dann qda würde automatisch versuchen, um dummy-Variablen, aus denen dann das Modell matrix deutlich breiter (101 Spalten in diesem Beispiel) und provozieren die Fehler, die Sie sehen ...

    bad <- transform(mytest,mono_score=factor(mono_score))
qda(type~mono_score+dicot_score,data=bad)
## Error in qda.default(x, grouping, ...) : 
##    some group is too small for 'qda'
    Ich glaube, ich herausfinden, warum meine Daten falsch (new edition auf Frage). Nachdem ich die Ebenen(testData$Typ) ich sehe es gibt 3 Stufen auf Faktor-variable "type" ist. Tabelle(testData$type) gibt 0 zurück, vorkommen in der Ebene "anderen". Ich denke, dass ist der Grund, "alle(counts < p + 1)".
    Follow-up-Frage : was ist, wenn ich abgetastet Testdaten aus der AllData, ich will nur Ebenen(Testdaten) sind "monocot" und "eudicot". Was soll ich tun ? Ebenen (testData$type) <- wie.factor(c("monocot", "eudicot")) funktioniert nicht
    testData <- droplevels(testData)
    Es funktioniert jetzt. Ich danke Ihnen sehr. summary () und str() sind sehr nützlich:)

    InformationsquelleAutor Ben Bolker

Schreibe einen Kommentar