使用class包实现KNN时出现NA/NaN/Inf错误的排查求助

核心排查方向 #

class包的knn函数有两个硬性要求：

1. 训练集（train）和测试集（test）的所有特征必须是数值型
2. 数据集不能存在NA/NaN/Inf值

结合你的报错和操作，以下是具体排查与解决步骤：

• 检查所有字段的类型与缺失值

  • 运行str(who_training)和str(who_validation)，确认除了分类标签Status外，其他特征不能是字符型或未处理的因子（比如Country转成因子后仍无法被knn直接处理）。
  • 用以下代码检查全量NA情况，确认有没有遗漏的缺失字段：

    # 检查训练集各列的NA数量
    sapply(who_training, function(x) sum(is.na(x)))
    # 检查测试集各列的NA数量
    sapply(who_validation, function(x) sum(is.na(x)))
    

  • "NAs introduced by coercion"警告大概率是某列被强制转数值时失败，比如字符型列里混了非数字内容，可以用以下代码排查：

    # 检查字符型列中的非数字内容
    lapply(who_training, function(x) {
      if(is.character(x)) x[!grepl("^-?\\d+(\\.\\d+)?$", x)] else NULL
    })
    

• 处理因子型特征
  knn不支持直接输入因子类型特征，必须转换成数值型：

  • 对于无序因子（比如Country）：生成哑变量是最稳妥的方式，同时要保证训练集和测试集的因子水平完全一致，避免列数不匹配：

    # 统一训练/测试集的Country因子水平
    common_levels <- unique(c(who_training$Country, who_validation$Country))
    who_training$Country <- factor(who_training$Country, levels = common_levels)
    who_validation$Country <- factor(who_validation$Country, levels = common_levels)
    
    # 生成Country的哑变量并替换原列
    train_dummies <- model.matrix(~ Country - 1, data = who_training)
    who_training <- cbind(who_training[, !names(who_training) == "Country"], train_dummies)
    
    test_dummies <- model.matrix(~ Country - 1, data = who_validation)
    who_validation <- cbind(who_validation[, !names(who_validation) == "Country"], test_dummies)
    

  • 对于有序因子：可以直接用as.integer(your_factor)转成数值，但同样要保证训练/测试集的水平一致。

• 排查数值型字段的异常值
  运行以下代码检查是否存在Inf值（knn完全不允许这类值）：

  # 检查训练集数值列的Inf情况
  sapply(who_training[, sapply(who_training, is.numeric)], function(x) sum(is.infinite(x)))
  # 检查测试集数值列的Inf情况
  sapply(who_validation[, sapply(who_validation, is.numeric)], function(x) sum(is.infinite(x)))
  

调整后的示例代码 #

完成上述处理后，再运行knn：

# 确保所有特征都是数值型
train_features <- who_training[, !names(who_training) == "Status"]
train_features <- as.data.frame(sapply(train_features, as.numeric))

test_features <- who_validation
test_features <- as.data.frame(sapply(test_features, as.numeric))

# 最终检查
any(is.na(train_features)) # 必须返回FALSE
any(is.na(test_features)) # 必须返回FALSE

KNN_build <- knn(train = train_features, test = test_features, 
                 cl = who_training$Status, k = 5)

内容的提问来源于stack exchange，提问作者kompprograms