R中的PLSR与" pls"包

时间:2017-01-12 17:40:30

标签: r dataframe regression

我试图适应PLSR模型,但我做错了什么。下面,您可以看到我是如何创建数据框及其结构的。

reflektance <- read_excel("data/reflektance.xlsx", na = "NA")
reflektance <- dput(reflektance)
pH <- read_excel("data/rijen2016.xls", na = "NA")
pH <- na.omit(pH)
pH <- dput(pH)

reflektance<-aggregate(reflektance[, 2:753], list(reflektance$Vzorek), mean)
colnames(reflektance)[colnames(reflektance)=='Group.1']<-'Vzorek'
datapH <- merge(pH, reflektance, by="Vzorek")
datasetpH <- data.frame(pH=datapH[,2], ref=I(as.matrix(datapH[, 3:754], 22, 752)))

问题在于使用&#34; plsr&#34;,因为结果是这个错误:

ph1<-plsr(pH ~ ref, ncomp = 5, data=datasetpH)
Error in pls::mvr(ref ~ pH, ncomp = 5, data = datasetpH, method = "kernelpls") : 
Invalid number of components, ncomp

dput(反射率): https://jpst.it/RyyS

在这里你可以看到表datapH的结构:

'data.frame':   22 obs. of  754 variables:
 $ Vzorek: chr  "5 - P01" "5 - P02" "5 - P03" "5 - R1 - A1" ...
 $ pH/H2O: num  6.96 6.62 7.02 5.62 5.97 6.12 5.64 5.81 5.61 5.47 ...
 $ 325   : num  0.017 0.0266 0.0191 0.0241 0.016 ...
 $ 326   : num  0.021 0.0263 0.0154 0.0264 0.0179 ...
 $ 327   : num  0.0223 0.0238 0.0147 0.028 0.0198 ...
 ...

这里是table datasetpH的结构:

'data.frame':   22 obs. of  2 variables:
 $ pH : num  6.96 6.62 7.02 5.62 5.97 6.12 5.64 5.81 5.61 5.47 ...
 $ ref: AsIs [1:22, 1:752] 0.016983.... 0.026556.... 0.019059.... 0.024097.... 0.016000.... ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr  "325" "326" "327" "328" ...

您有什么建议和解决方案吗?谢谢

1 个答案:

答案 0 :(得分:0)

问题似乎来自您的一个仅包含NA的列 names(df)输出的最后一行给出:

[745] "1068"   "1069"   "1070"   "1071"   "1072"   "1073"   "1074"   "1075"   NA  

使用您的数据+一些随机生成的pH值(reflektance数据框中没有,在此处命名为df):

test=data.frame(pH=rnorm(23,5,2), ref=I(as.matrix(df[, 2:752], 22, 751)))
pls::plsr(pH ~ ref, data=test)
  

矩阵错误(0,ncol = ncomp,nrow = npred):   无效&#39; ncol&#39;值(&lt; 0)

请注意,索引与您的索引略有不同。我没有df中的第二列(含有pH值的那一列) 如果我删除包含NA&#39; s的最后一列:

test=data.frame(pH=rnorm(23,5,2), ref=I(as.matrix(df[, 2:752], 22, 751)))
pls::plsr(pH ~ ref, data=test)
Partial least squares regression , fitted with the kernel algorithm.
Call:
plsr(formula = pH ~ ref, data = test)

如果能解决问题,请告诉我。