R使用ovun.sample对Paysim数据集过采样出现model.frame.default报错如何解决

错误原因说明 #

你遇到的两次看似矛盾的报错，本质是两次输入的数据集都不符合ovun.sample函数（来自ROSE包）的参数要求：

• 第一次报错是因为你传入的sample_dataset不是标准的data.frame结构，可能存在列表列、嵌套结构或者tibble等特殊数据类型，导致model.frame.default解析失败触发报错
• 第二次你将数据集强转为矩阵，直接违反了ovun.sample要求输入data参数必须为data.frame的规则，触发第二类报错

正确操作步骤 #

步骤1：数据集预处理 #

先对Paysim1数据集做标准化清洗，确保输入的数据结构符合要求：

# 加载依赖包
library(ROSE)

# 读取本地Paysim1数据集
org_dataset <- read.csv("你的本地Paysim1数据集路径.csv")

# 重命名目标列，原数据集欺诈标签为isFraud，匹配你代码里的class变量名
names(org_dataset)[names(org_dataset) == "isFraud"] <- "class"

# 筛选建模用字段，删除姓名、ID类非结构化字段
sample_dataset <- org_dataset[, c("step", "type", "amount", "oldbalanceOrg", "newbalanceOrig", "oldbalanceDest", "newbalanceDest", "class")]

# 过滤缺失值，转为标准data.frame结构，排除tibble等特殊类型的干扰
sample_dataset <- as.data.frame(sample_dataset[complete.cases(sample_dataset), ])

# 分类变量转为因子类型，避免解析异常
sample_dataset$type <- as.factor(sample_dataset$type)
sample_dataset$class <- as.factor(sample_dataset$class)

步骤2：执行过采样 #

运行过采样代码即可正常得到结果：

oversample_data <- ovun.sample(class ~ ., data = sample_dataset, p = 0.5, seed = 1, method="over")$data

结果验证 #

运行以下代码验证过采样效果，正常会输出两类样本占比接近1:1的统计结果：

table(oversample_data$class)

异常排查方案 #

如果仍然报错，先运行str(sample_dataset)检查数据集结构，确保所有列都是数值、因子或字符类型的原子向量，没有列表、矩阵等复杂类型的列。

内容的提问来源于stack exchange，提问作者WILLIAM