correction de code

Bonjour ;

s'il vous plaît quelqu'un peut m'aider à corriger ce code

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51

require(cluster) require(class) require(stats) library(RWeka) require(stringer)   data <- read.table("breast-cancer-wisconsin.data",header=F,sep=",",stringsAsFactors=F) head(data)     names(data) <- c('id','ct','ucsize','ucshape','ma','secs','bn','bc','nn','miti','class') head(data) #clean up data require(stringr) #remove whitespace data <-t(apply(data, 1, function(x) {str_replace(x, "\\s+", "")})) data <-t(apply(data, 1, function(x) {str_replace(x, "\\D", NA)})) #I'm not sure what's the best way to deal with NAs #so I'll just remove them   to_numeric <- function(x) as.numeric(as.character(x)) data <- modifyList(data, lapply(data, to_numeric)) sapply(data,mode) data <- na.omit(data) #lost a few data points dim(data) fit <- kmeans(data[,c(2:10)], 2) names(fit)   #k-means did a fairly good job table(data.frame(fit$cluster,data[,11])) table(data.frame(fit$cluster,data[,11]))         result$withinss   train = data[c(1:137),] # données à classer   test = fit$center[,] # données étiquetée   cl1 <- factor(c(rep("2",), rep("4",)) pred = knn(train, test,cl1 , k = 1)   table(pred[],class=test[])

---

NB:voici les erreures : 1)

Code:

---

1 2 3

Error: unexpected symbol in: "cl1 <- factor(c(rep("2",), rep("4",)) pred"

---

et

Code:

---

1 2	Error in table(pred[], class = test[]) : tous les arguments doivent avoir la même longueur

---

et merci

"Error: unexpected symbol" veut dire qu'il y a un symbole à un endroit où il ne devrait pas ou bien qu'il manque un symbole que R attend. Dans 90% des cas, c'est une erreur d'accolades ou de parenthèses, comme c'est le cas ici.

j'ai vérifié mais c'est correct:(

voici une autre version de code quelqu'un peu m'aider et merci

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49

require(cluster) require(class) require(stats) library(RWeka) require(stringr)   data <- read.table("http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",sep=",") head(data) names(data) <- c('id','ct','ucsize','ucshape','ma','secs','bn','bc','nn','miti','class') head(data)   #clean up data require(stringr) #remove whitespace data <-t(apply(data, 1, function(x) {str_replace(x, "\\s+", "")})) data <-t(apply(data, 1, function(x) {str_replace(x, "\\D", NA)})) #I'm not sure what's the best way to deal with NAs #so I'll just remove them data <- na.omit(data) #but everything is converted into characters head(data) data <- as.data.frame(data, stringsAsFactors=F) #transform them back to numeric #define function to_numeric <- function(x) as.numeric(as.character(x)) data <- modifyList(data, lapply(data, to_numeric)) sapply(data,mode) fit <- kmeans(data[,c(2:10)], 2) names(fit)   #k-means did a fairly good job table(data.frame(fit$cluster,data[,11]))   fit$center   train = data[1:137,1:10] # données à classer   test = result$center[] # données étiquetée   cl <- factor(c(rep("2",), rep("4",)))   pred = knn(train, test,cl , k = 2)   table(pred[],=test[,11])

---