Scale函数返回：FUN中的错误（x，aperm（数组（STATS，dims[perm]），order（perm）），…）

试图训练神经网络，但我无法正常化我的数据

定义缩放的最大值和最小值很好

 maxs <- apply(tour_weahter_data, 2, max) 
 mins <- apply(tour_weahter_data, 2, min)

这是对函数的调用：

 scaled <- as.data.frame(scale(tour_weahter_data, center = mins, scale = maxs - mins))

---

scale您应该将
scale
与
numeric
变量一起使用，因此只能与数值变量一起使用

这里有一种使用
dplyr
的方法

library(dplyr)

vars_scale <- tour_weahter_data %>% 
  select_if(is.numeric) %>% 
  colnames()


scale_min_max <- function(x) scale(x, center = min(x), scale = max(x) - min(x))


tour_weahter_data %>% 
  mutate_at(vars_scale, scale_min_max)

## A tibble: 6 x 7
#  Start[,1] Time_Starting       Station_ID[,1] Duration[,1]
#      <dbl> <dttm>                       <dbl>        <dbl>
#1       0   2016-07-07 13:00:00          0.776        0.533
#2       0.2 2016-07-07 13:00:00          0.379        0.4  
#3       0.4 2016-07-07 13:00:00          0.776        1    
#4       0.6 2016-07-07 13:00:00          0            0.4  
#5       0.8 2016-07-07 13:00:00          1            0.4  
#6       1   2016-07-07 13:00:00          0.276        0    
## ... with 3 more variables: Distance[,1] <dbl>,
##   Temperatur[,1] <dbl>, Humidity[,1] <dbl>

库（dplyr）
vars_比例%
如果（是数值）%>%，请选择
colnames（）
比例\最小值\最大值%
在（变量刻度、刻度最小值和最大值）变化
##一个tibble:6x7
#开始[，1]时间\u开始站\u ID[，1]持续时间[，1]
#                                      
#1       0   2016-07-07 13:00:00          0.776        0.533
#2       0.2 2016-07-07 13:00:00          0.379        0.4  
#3       0.4 2016-07-07 13:00:00          0.776        1    
#4       0.6 2016-07-07 13:00:00          0            0.4  
#5       0.8 2016-07-07 13:00:00          1            0.4  
#6       1   2016-07-07 13:00:00          0.276        0    
## ... 还有3个变量：距离[，1]，
##温度[1]，湿度[1]
是的，日期时间是个问题。谢谢，我就是这样做的，不包括前两匹。现在它起作用了。您可以使用
cbind
绑定它们。例如，
cbind（tour_weahter_data[，1:2]，scaled）
ok，但我可以确保我将数据正确绑定，再次表示相同的行吗？@JensKrüger因为您使用的函数是矢量化的，它们不会改变行顺序，所以不用担心这一点。但是您可以设置
行名
并进行检查。
library(dplyr)

vars_scale <- tour_weahter_data %>% 
  select_if(is.numeric) %>% 
  colnames()


scale_min_max <- function(x) scale(x, center = min(x), scale = max(x) - min(x))


tour_weahter_data %>% 
  mutate_at(vars_scale, scale_min_max)

## A tibble: 6 x 7
#  Start[,1] Time_Starting       Station_ID[,1] Duration[,1]
#      <dbl> <dttm>                       <dbl>        <dbl>
#1       0   2016-07-07 13:00:00          0.776        0.533
#2       0.2 2016-07-07 13:00:00          0.379        0.4  
#3       0.4 2016-07-07 13:00:00          0.776        1    
#4       0.6 2016-07-07 13:00:00          0            0.4  
#5       0.8 2016-07-07 13:00:00          1            0.4  
#6       1   2016-07-07 13:00:00          0.276        0    
## ... with 3 more variables: Distance[,1] <dbl>,
##   Temperatur[,1] <dbl>, Humidity[,1] <dbl>