我使用qda {MASS}来为我的数据找到分类,它总是报告“ some group is too small for 'qda'”。是由于我用于模型的测试数据的大小吗?我将测试样本大小从30增加到100,它报告了相同的错误。 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)


这是我的数据示例

>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


我的R版本是R 3.0.2。

最佳答案

tl;博士,我的猜测是您的预测变量偶然地变成了因子或特征向量。如果您的数据集中有一些小故障,例如一行虚假字符,则很容易发生这种情况。

这是一种构成看起来像您的数据集的方法:

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))


一些有用的诊断:

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


重要的是,前两个(str()summary())向我们展示了每个变量的类型。更新:事实证明,在这种情况下,第三项测试实际上是重要的测试,因为问题是虚假的额外级别:droplevel()函数应解决此问题...

这个虚构的例子似乎很好用,所以一定有一些您没有向我们展示您的数据集的东西...

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


这是一个猜测。如果您的score变量实际上是因子而不是数值,那么qda会自动尝试从变量创建虚拟变量,这将使模型矩阵更宽(在此示例中为101列),并引发您所看到的错误...

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'

09-27 18:45