교육 집합의 모든 기능을 다루지 않는 경우 새 데이터 집합의 레이블을 예측하는 방법은 무엇입니까?

Question

나는 textmining을 처음 사용합니다.

나는 SMS의 데이터 세트를 가지고 있으며 스팸인지 아닌지 알고 싶습니다. 나는 텍스트 콘텐츠를 단어 행렬로 변환하기 위해 quanteda를 사용했다. 나는 또한 불용어를 제거하고 단어를 단어로 바꾸어

rpart.cv.1 <- train(Label ~ ., data = train_tokens_df, method = "rpart", trControl = cv_cntrl, tuneLength = 5)으로 모델을 훈련시켰다.

이제 testdata의 라벨을 예측하고 싶습니다. 전 열차 데이터로 수행 한 모든 전처리 단계를 수행했습니다. 문제는 기차 데이터에 테스트 데이터가 포함되지 않는 단어가 있음을 나타냅니다.

다음 단계는 테스트 데이터에 누락 된 교육 데이터의 모든 열을 추가하는 것입니다. 그러나 어떻게 그렇게 쉽고 효율적으로 할 수 있습니까? 내 경우에는 기차와 테스트가 모두 데이터 프레임입니다.

Answer 1

이 data.table 몇 가지 트릭 아마도,하지만 두 data.frame를 그냥 원하는 경우 "집합"첫 번째의 열 이름으로 두 번째, 열을 누락 작성하려면 다음을 수행 할 수 있습니다

orig = data.frame(a = 1:3, b = 2:4) # example data 
new = data.frame(a = 7:9, c = 11:13) # missing the 'b' column 

# first insert new columns that are still missing in 'new': 
new[setdiff(colnames(orig), colnames(new))] = 0 # NA, or whatever 
# now subset the new dataset to the columns of the old one 
new = new[colnames(orig)] 

이것은 당신이 만 matrix하지, data.frame와 함께 작동

> new 
    a b 
1 7 0 
2 8 0 
3 9 0 

참고를 제공, 그래서 당신은 매트릭스가 있다면 당신은

을 할 필요가

new = as.data.frame(new) 

입니다.