[解決済み] R エラー : あるグループが 'qda' に対して小さすぎます。

質問

qda{MASS}でclassfierを探したところ、いつも"と表示されます。 some group is too small for 'qda' となります。モデルに使用したテストデータの大きさによるものでしょうか？テストサンプルのサイズを30から100に増やしましたが、同じエラーが報告されました。助けてください......。

set.seed(1345)
AllMono <- AllData[AllData$type == "monocot",]
MonoSample <- sample (1:nrow(AllMono), size = 100, replace = F)
set.seed(1355)
AllEudi <- AllData[AllData$type == "eudicot",]
EudiSample <- sample (1:nrow(AllEudi), size = 100, replace = F)
testData <- rbind (AllMono[MonoSample,],AllEudi[EudiSample,])
plot (testData$mono_score, testData$eudi_score, col = as.numeric(testData$type), xlab = "mono_score", ylab = "eudi_score", pch = 19)
qda (type~mono_score+eudi_score, data = testData)

以下は私のデータの例です。

>head (testData)
                              sequence mono_score eudi_score    type
PhHe_4822_404_76       DTRPTAPGHSPGAGH    51.4930   39.55000 monocot
SoBi_10_265860_58      QTESTTPGHSPSIGH    33.1408    2.23333 monocot
EuGr_5_187924_158        AFRPTSPGHSPGAGH    27.0000   54.55000 eudicot
LuAn_AOCW01152859.1_2_79 NFRPTEPGHSPGVGH    20.6901   50.21670 eudicot
PoTr_Chr07_112594_90     DFRPTAPGHSPGVGH    43.8732   56.66670 eudicot
OrSa.JA_3_261556_75    GVRPTNPGHSPGIGH    55.0986   45.08330 monocot
PaVi_contig16368_21_57 QTDSTTPGHSPSIGH    25.8169    2.50000 monocot

>testData$type <- as.factor (testData$type)

> dim (testData)
[1] 200   4

> levels (testData$type)
[1] "eudicot" "monocot" "other" 

> table (testData$type)
eudicot monocot   other 
    100     100       0

> packageDescription("MASS")
Package: MASS
Priority: recommended
Version: 7.3-29
Date: 2013-08-17
Revision: $Rev: 3344 $
Depends: R (>= 3.0.0), grDevices, graphics, stats, utils

私のRのバージョンはR 3.0.2です。

どのように解決するのですか？

tl;dr 推測するに、予測変数が誤って因子または文字ベクトルになってしまったのでしょう。 これは、データセットにちょっとした不具合、例えば1つの行に偽の文字がある場合などに起こりやすいものです。

ここで、あなたのようなデータセットを作る方法を紹介します。

set.seed(101)
mytest <- data.frame(type=rep(c("monocot","dicot"),each=100),
                 mono_score=runif(100,0,100),
                 dicot_score=runif(100,0,100))

便利な診断をいくつか紹介します。

str(mytest)
## 'data.frame':    200 obs. of  3 variables:
## $ type       : Factor w/ 2 levels "dicot","monocot": 2 2 22 2 2 2 ...
##  $ mono_score : num  37.22 4.38 70.97 65.77 24.99 ...
##  $ dicot_score: num  12.5 2.33 39.19 85.96 71.83 ...
summary(mytest)
##       type       mono_score      dicot_score     
##  dicot  :100   Min.   : 1.019   Min.   : 0.8594  
##  monocot:100   1st Qu.:24.741   1st Qu.:26.7358  
##                Median :57.578   Median :50.6275  
##                Mean   :52.502   Mean   :52.2376  
##                3rd Qu.:77.783   3rd Qu.:78.2199  
##                Max.   :99.341   Max.   :99.9288  
## 
with(mytest,table(type))
## type
##   dicot monocot 
##    100     100 

重要なのは、最初の2つ( str() と summary() を表示します。 タイプ という変数があります。 更新情報 この場合、3番目のテストが重要であることが判明しました。 droplevel() 関数がこの問題を解決してくれるはずです．

このでっち上げの例はうまく動作しているようなので、あなたのデータセットについて見せていない何かがあるに違いない ...

library(MASS)
qda(type~mono_score+dicot_score,data=mytest)

ここで、推測してみましょう。 もし、あなたの score 変数が実際に ファクター は、数値ではなく qda は自動的にダミー変数を作成しようとするので、モデル行列が非常に広くなり（この例では101列）、ご覧のようなエラーが発生します ...

bad <- transform(mytest,mono_score=factor(mono_score))
qda(type~mono_score+dicot_score,data=bad)
## Error in qda.default(x, grouping, ...) : 
##    some group is too small for 'qda'