所以我正在尝试处理从UCI数据集存储库获得的数据集（fertility_diagnosis）。
data = read.csv('fertility_rate.csv', header = FALSE)
summary(data)
str(data)
> str(data)
'data.frame': 100 obs. of 10 variables:
$ V1 : num -0.33 -0.33 -0.33 -0.33 -0.33 -0.33 -0.33 -0.33 1 1 ...
$ V2 : num 0.69 0.94 0.5 0.75 0.67 0.67 0.67 1 0.64 0.61 ...
$ V3 : int 0 1 1 0 1 1 0 1 0 1 ...
$ V4 : int 1 0 0 1 1 0 0 1 0 0 ...
$ V5 : int 1 1 0 1 0 1 0 1 1 0 ...
$ V6 : int 0 0 0 0 0 0 -1 0 0 0 ...
$ V7 : num 0.8 0.8 1 1 0.8 0.8 0.8 0.6 0.8 1 ...
$ V8 : int 0 1 -1 -1 -1 0 -1 -1 -1 -1 ...
$ V9 : num 0.88 0.31 0.5 0.38 0.5 0.5 0.44 0.38 0.25 0.25 ...
$ V10: Factor w/ 2 levels "N","O": 1 2 1 1 2 1 1 1 1 1 ...
data[, c(V3:V6,V8)] <- sapply(data[, c(V3:V6,V8)], as.numeric)
> data[, c(V3:V6,V8)] <- sapply(data[, c(V3:V6,V8)], as.numeric)
Error in `[.data.frame`(data, , c(V3:V6, V8)) : object 'V3' not found
可以看到变量名称为V1-V10。其中V3-V6和V9是int类型。
所以我正在尝试将它们转换为数字类型。
但是在输出中我找不到对象。
> head(data,5)
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1 -0.33 0.69 0 1 1 0 0.8 0 0.88 N
2 -0.33 0.94 1 0 1 0 0.8 1 0.31 O
3 -0.33 0.50 1 0 0 0 1.0 -1 0.50 N
4 -0.33 0.75 0 1 1 0 1.0 -1 0.38 N
5 -0.33 0.67 1 1 0 0 0.8 -1 0.50 O
而且我尝试将回归应用于num类型变量，如下所示
library(caTools)
set.seed(123)
split = sample.split(data$V10, SplitRatio = 0.75)
train = subset(data, split == TRUE)
test = subset(data, split == FALSE)
lin_reg = lm(formula = V10 ~ V1+V2+V7+V9,
data = train)
> lin_reg = lm(formula = V10 ~ V1+V2+V7+V9,
+ data = train)
Warning messages:
1: In model.response(mf, "numeric") :
using type = "numeric" with a factor response will be ignored
2: In Ops.factor(y, z$residuals) : ‘-’ not meaningful for factors
谁能帮助我知道我在做什么错？
最佳答案
嘿，我认为您犯了一个简单的错误，您会为此而踢。您的lm（）模型应使用语法
lm(Response(dependent).variable~Predictor(Independent).variable)
我相信您会收到此错误，因为您的响应变量是一个非数字的因子变量。如果确定v10是响应变量，则请查看逻辑回归（https://www.r-bloggers.com/how-to-perform-a-logistic-regression-in-r/）。但是，我怀疑您想知道一个数字变量如何响应V10和其他一些变量而发生变化。它是否正确？我需要更多地了解您的变量以及您要测试的内容以进一步说明。
希望这会有所帮助。
关于r - R:找不到对象，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49283292/