svd（x，nu = 0）中的錯誤：'x'中的無限值或缺失值（選中不存在負值）

我知道這是PCA的常見錯誤，但我經歷了所提供的解決方案並且未能正常工作。svd（x，nu = 0）中的錯誤：'x'中的無限值或缺失值（選中不存在負值）

我跟着： Error in svd(x, nu = 0) : 0 extent dimensions

下面是我的代碼提取物：

require(class) 
set.seed(2095) 
# dataset source:https://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html 
normalize<-function(x) { 
    return ((x - min(x))/(max(x) - min(x))) 
} 
dataset <- read.csv("data/kdd_data_10pc.csv", header = FALSE, sep = ",") 
names <- read.csv("data/kdd_names.csv", header = FALSE , sep = ";") 
names(dataset) <- sapply((1:nrow(names)),function(i) toString(names[i, 1])) 

# extracting relevant features 
dataset_extracted <- dataset[, c("src_bytes", "dest_bytes", "count", "dst_host_count", "dst_host_same_srv_rate", "dst_host_serror_rate", "label")] 

head(dataset_extracted, 3) 

log.kdd <-log(dataset_extracted[, 1:6]) 
kdd.label <- dataset_extracted[, 7] 

kdd.pca <-prcomp(log.kdd, 
      center = TRUE, 
      scale. = TRUE)

摘要（數據集）的輸出是如下：

summary(dataset_extracted) 
    src_bytes   dest_bytes   count  dst_host_count dst_host_same_srv_rate dst_host_serror_rate  label  
Min. :  0 Min. :  0 Min. : 0.0 Min. : 0.0 Min. :0.0000   Min. :0.0000  smurf. :280790 
1st Qu.:  45 1st Qu.:  0 1st Qu.:117.0 1st Qu.:255.0 1st Qu.:0.4100   1st Qu.:0.0000  neptune.:107201 
Median :  520 Median :  0 Median :510.0 Median :255.0 Median :1.0000   Median :0.0000  normal. : 97278 
Mean :  3026 Mean : 869 Mean :332.3 Mean :232.5 Mean :0.7538   Mean :0.1768  back. : 2203 
3rd Qu.:  1032 3rd Qu.:  0 3rd Qu.:511.0 3rd Qu.:255.0 3rd Qu.:1.0000   3rd Qu.:0.0000  satan. : 1589 
Max. :693375640 Max. :5155468 Max. :511.0 Max. :255.0 Max. :1.0000   Max. :1.0000  ipsweep.: 1247 
                                (Other) : 3713

基於提取的概要無列的最小值是任何負值。

我是機器學習的新手。欣賞提供的任何幫助。顯示的確切錯誤是

Error in svd(x, nu = 0) : infinite or missing values in 'x'

來源

2016-11-27 misctp asdas

@ZheyuanLi其結果非常漫長......我嘲笑它的可行性在這裏包括..我也糾正了我的代碼中的一些錯字。參考網站是https://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ –

我添加了錯誤顯示在我的問題 –

這可能是因爲你的一些變量的方差爲零。你可以用'apply（x，2，var）== 0'或類似的方法來檢查它。 – Joe

您將對數轉換應用於包含零值的對象（dataset）。這將產生負無窮的元素。請嘗試使用log1p()。

另外不要忘記將您編碼的標準化應用於函數normalize()。

此外，鑑於某些異常值的大小，我不確定對數轉換是否足夠 - 您可能需要考慮排除某些觀察值。

來源

2017-02-01 07:32:40 mixtrak

svd（x，nu = 0）中的錯誤：'x'中的無限值或缺失值（選中不存在負值）

回答

相關問題