R误差中的K-均值聚类

我在R中创建了一个数据集，其结构如下：

> head(btc_data)
           Date btc_close eth_close vix_close gold_close DEXCHUS change
1647 2010-07-18      0.09        NA        NA         NA      NA      0
1648 2010-07-19      0.08        NA     25.97    115.730      NA     -1
1649 2010-07-20      0.07        NA     23.93    116.650      NA     -1
1650 2010-07-21      0.08        NA     25.64    115.850      NA      1
1651 2010-07-22      0.05        NA     24.63    116.863      NA     -1
1652 2010-07-23      0.06        NA     23.47    116.090      NA      1

我正试图用k-均值对观测值进行聚类。但是，我收到以下错误消息：

> km <- kmeans(trainingDS, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In storage.mode(x) <- "double" : NAs introduced by coercion 

> complete_cases <- btc_data[complete.cases(btc_data), ]
> km <- kmeans(complete_cases, 3, nstart = 20)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In storage.mode(x) <- "double" : NAs introduced by coercion

> sum(!sapply(btc_data, is.finite)) 
[1] 8008
> sum(sapply(btc_data, is.nan))
[1] 0
> 
> sum(!sapply(complete_cases, is.finite)) 
[1] 0
> sum(sapply(complete_cases, is.nan))
[1] 0

以下是数据的格式：

> sapply(btc_data, class)
      Date  btc_close  eth_close  vix_close gold_close    DEXCHUS     change 
    "Date"  "numeric"  "numeric"  "numeric"  "numeric"  "numeric"   "factor" 

---

获取此错误消息有多种原因，特别是在存在无效数据类型（NA、NaN、Inf）或日期的情况下。让我们看一下：

但首先，让我们检查一下它是否适用于

mtcars

数据集，因为我将使用它：

kmeans(mtcars, 3)
K-means clustering with 3 clusters of sizes 9, 7, 16
--- lengthy output omitted

可能的问题1：无效的数据类型：

NA/NaN/Inf

df <- mtcars
df[1,1] <- NA
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

df[1,1] <- Inf
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

df[1,1] <- NaN
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

相反，使用例如

df[apply(sapply(df, is.finite), 1, all),]

您也可以重新分配或插补这些值，但这是一个完全不同的过程

可能的问题二：日期：请参见以下内容：

df[1:3,1] <- c(NA, Inf, NaN) # one NA, one Inf, one NaN
sum(sapply(df, is.na))
[1] 2
sum(sapply(df, is.infinite))
[1] 1
sum(sapply(df, is.nan))
[1] 1

library(lubridate)
df <- mtcars
df$date <- seq.Date(from=ymd("1990-01-01"), length.out = nrow(df), by=1)
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In kmeans(df, 3) : NAs introduced by coercion

您是否在集群中使用了“日期”列

在使用k-means聚类时，应该使用数字类型数据

试试这个

btc_数据$Date=as.numeric（gsub（“-”，“”），as.character（btc_数据$Date）））

---

检查要对其进行群集的变量的数据类型。如果数据类型是非数字的，则最有可能出现错误。在群集之前，请尝试正确处理日期格式。

我理解，但有两件事-当我删除NA时，数据很小。更重要的是，我运行了

complete_cases

，然后执行了

knn

，但我仍然得到相同的错误。如果您没有（足够）数据，我们真的无法为您提供太多帮助。您唯一可以尝试的是输入数据，而不是删除数据。关于你的第二点，我不能对此发表评论，因为你没有发布那个代码或那个错误消息。

>sum（！sappy（btc_数据，is.finite））[1]8008>sum（！sappy（btc_数据，is.nan））[1]18193

@coffeinjunky我编辑了这个问题，我不知道为什么完整案例的

总和是
721
，特别是因为只有103个观察结果…当我手动检查df时，没有NA'sOk-我删除了
并编辑了问题…您的意思是，
knn
应该可以处理
完成案例
，但我仍然收到相同的错误消息OK，我添加了该信息很酷。在这种情况下，日期列可能是罪魁祸首。不需要
gsub/as.character
，只需要
as.numeric（btc_data$date）
就可以了。这并没有给一年前的现有答案和公认答案增加任何内容。
library(lubridate)
df <- mtcars
df$date <- seq.Date(from=ymd("1990-01-01"), length.out = nrow(df), by=1)
kmeans(df, 3)
Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning message:
In kmeans(df, 3) : NAs introduced by coercion

df$newdate <- seq_along(df$date)
df$date <- NULL
kmeans(df, 3)
K-means clustering with 3 clusters of sizes 9, 7, 16
---- lengthy output omitted

df <- mtcars
df$date <- seq.Date(from=ymd("1990-01-01"), length.out = nrow(df), by=1)
df$date <- as.numeric(df$date)
kmeans(df, 3)
K-means clustering with 3 clusters of sizes 9, 16, 7
--- lengthy output omitted