Convertir Factor --> num (NAs introduced by coercion)

Bonjour,

Lorsque j'essaie de convertir la colonne Health en num

Code:

---

data$Health<-as.numeric(as.character(data$Health))

---

, j'obtiens le message d'alerte suivant:

Citation:

---

Warning message:
NAs introduced by coercion

---

Code:

---

1 2 3 4 5 6 7 8

> str(data) 'data.frame': 889 obs. of 6 variables: $ Year : Factor w/ 2 levels "2002","2003": 1 1 1 1 1 1 1 1 1 1 ... $ Health : Factor w/ 2 levels "bankruptcy","healthy": 1 1 2 2 1 1 1 2 1 1 ... $ EBITDA.Total.Assets : num -0.00491 0.08496 0.45284 0.2098 -0.07732 ... $ Value.Added.Total.Sales : num 0.213 0.113 0.484 0.395 0.295 ... $ Quick.Ratio : num 0.0904 0.946 1.3734 1.2709 0.697 ... $ Accounts.Payable.Total.Sales: num 0.2941 0.2854 0.0598 0.2535 0.0558 ...

---

Merci,

Si f est un facteur as.character( f) transforme le vecteur de niveaux du facteur en un vecteur de chaines de caractères qui correspondent aux étiquettes des niveaux (labels pour R). Donc :

Code:

---

as.character(data$Health)

---

va donner un vecteur contenant des chaines de caractères dont les valeurs seront des "bankruptcy" et des "healthy".
De ce fait, la transformation as.numeric ne peut pas se faire puisqu'on essaie alors de transformer en numériques des chaînes de caractères qui ne codent pas des valeurs numériques.

as.numeric (f) va transformer le vecteur en numériques qui correspondent au codage interne à R des niveaux du facteurs, i.e. 1, 2 (voir la fonction mode). Les valeurs numériques obtenues n'ont rien à voir avec le fait que le facteur peut coder des scores exprimés sous forme d'un nombre. Par exemple :

Code:

---

1 2 3 4 5 6 7 8

CDR <- factor( c( 0, 0.5, 1, 2, 3)) CDR [1] 0 0.5 1 2 3 Levels: 0 0.5 1 2 3   as.numeric( CDR) [1] 1 2 3 4 5

---

Alors une question essentielle, quel est l'intérêt de transformer un facteur en valeurs numériques si les niveaux exprimés en numériques n'ont aucun sens ? Quand on veut coder le fait qu'il y a un ordre sur les niveaux, il est plus judicieux de déclarer le facteur comme ordonné (argument ordered du constructeur factor).

Merci Faubry pour votre réponse.

En fait je suis entrain de m'initier au langage R à travers un tutoriel qui se trouve à l'adresse

Code:

---

https://www.r-bloggers.com/fitting-a-neural-network-in-r-neuralnet-package/

---

.

La variable à expliquer dans le tutoriel est de type num (medv) et la structure de la table est comme suit:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

'data.frame': 506 obs. of 14 variables: $ crim : num 0.00632 0.02731 0.02729 0.03237 0.06905 ... $ zn : num 18 0 0 0 0 0 12.5 12.5 12.5 12.5 ... $ indus : num 2.31 7.07 7.07 2.18 2.18 2.18 7.87 7.87 7.87 7.87 ... $ chas : int 0 0 0 0 0 0 0 0 0 0 ... $ nox : num 0.538 0.469 0.469 0.458 0.458 0.458 0.524 0.524 0.524 0.524 ... $ rm : num 6.58 6.42 7.18 7 7.15 ... $ age : num 65.2 78.9 61.1 45.8 54.2 58.7 66.6 96.1 100 85.9 ... $ dis : num 4.09 4.97 4.97 6.06 6.06 ... $ rad : int 1 2 2 3 3 3 5 5 5 5 ... $ tax : num 296 242 242 222 222 222 311 311 311 311 ... $ ptratio: num 15.3 17.8 17.8 18.7 18.7 18.7 15.2 15.2 15.2 15.2 ... $ black : num 397 397 393 395 397 ... $ lstat : num 4.98 9.14 4.03 2.94 5.33 ... $ medv : num 24 21.6 34.7 33.4 36.2 28.7 22.9 27.1 16.5 18.9 ...

---

Je souhaiterai utilisé le même tutoriel mais sur une autre base en voulant expliquer la variable (Health) qui est type factor.

Code:

---

1 2 3 4 5 6 7 8

'data.frame': 889 obs. of 6 variables: $ Year : Factor w/ 2 levels "2002","2003": 1 1 1 1 1 1 1 1 1 1 ... $ Health : Factor w/ 2 levels "bankruptcy","healthy": 1 1 2 2 1 1 1 2 1 1 ... $ EBITDA.Total.Assets : num -0.00491 0.08496 0.45284 0.2098 -0.07732 ... $ Value.Added.Total.Sales : num 0.213 0.113 0.484 0.395 0.295 ... $ Quick.Ratio : num 0.0904 0.946 1.3734 1.2709 0.697 ... $ Accounts.Payable.Total.Sales: num 0.2941 0.2854 0.0598 0.2535 0.0558 ...

---

La première commande que j'ai modifiée est:

Code:

---

lm.fit <- glm(medv~., data=train)

---

j'ai remplacé medv par health en ajoutant family=binomial à la fin

Code:

---

lm.fit <- glm(Health~., data=train, family=binomial)

---

Lorsque j'essaie de modifier la commande

Code:

---

MSE.lm <- sum((pr.lm - test$Health)^2)/nrow(test)

---

par

Code:

---

MSE.lm <- sum((pr.lm - test$Health)^2)/nrow(test)

---

,

j'obtiens l'erreur suivante:

Citation:

---

Warning message:
In Ops.factor(pr.lm, test$Health) : ‘-’ not meaningful for factors

---

C'est pourquoi j'ai pensé qu'il fallait changer le type de ma variable.

Cordialement,

Il s'agit d'un problème de statistiques. La variable Health étant une variable binaire, elle ne peut qu'être analysée par une procédure qui sait traiter une telle variable comme variable dépendante : il s'agit de la régression logistique qui se code par glm avec family=binomial. On peut éventuellement transformer cette valeur en la codant sous forme d'une indicatrice, par exemple 0 si healthy et 1 dans l'autre cas. Cependant, dans tous les cas, il faudra utiliser glm et family=binary. Ce type de transformation et le fait que cela devient implicitement une indicatrice est en effet utilisé par certaines procédures (cf. PLS-DA) mais il est vrai que les hypothèses sous-jacentes (notamment que cela revient plus ou moins à de la régression logistique) sont rarement expliquées et quand elles le sont, pas toujours très clairement.

Je vous remercie pour votre réactivité.

En fait j'ai modifié le post car je m'étais trompé dans la commande.

Après la première commande que j'ai corrigée en rajoutant family=binomial, lorsque j'exécute la commande

Code:

---

MSE.lm <- sum((pr.lm - test$Health)^2)/nrow(test)

---

j'obtiens l'erreur suivante:

Citation:

---

Warning message:
In Ops.factor(pr.lm, test$Health) : ‘-’ not meaningful for factors

---

Merci,

test$Health est un facteur, donc une variable nominale. De ce fait, la soustraction (pr.lm - test$Health) n'a pas de sens. Mais d'où vient ce pr.lm ? Et qu'est test ?
De plus, je ne comprends pas ce que tu essaies de calculer par MSE.lm.

En fait je cherche à reproduire le tutoriel qui se trouve à l'adresse

https://www.r-bloggers.com/fitting-a...alnet-package/

avec les mêmes graphiques en utilisant la base de données finance que j'ai mentionnée précédemment et en utilisant comme variable explicative (health) au lieu de (medv) [variable de la base de données BOSTON.

Et sinon pr vient de ça :

Code:

---

1 2 3 4 5 6 7

index <- sample(1:nrow(data),round(0.75*nrow(data))) train <- data[index,] test <- data[-index,] lm.fit <- glm(medv~., data=train) summary(lm.fit) pr.lm <- predict(lm.fit,test) MSE.lm <- sum((pr.lm - test$medv)^2)/nrow(test)

---

Merci.

Pour convertir j'ai du faire ceci:

Code:

---

data$Health <- as.numeric(as.factor(data$Health))

---