randomForest：na.fail.default中的错误：对象中缺少值

Question

我尝试使用交叉验证训练一个随机森林并使用caret包训练射频：

### variable return_customer = binary variable
idx.train <- createDataPartition(y = known$return_customer, p = 0.8, list = FALSE)
train <- known[idx.train, ]
test <- known[-idx.train, ]
k <- 10
set.seed(123)
model.control <- trainControl(method = "cv", number = k, classProbs = TRUE, summaryFunction = twoClassSummary,  allowParallel = TRUE)
rf.parms <- expand.grid(mtry = 1:10)
rf.caret <- train(return_customer~., data = train, method = "rf", ntree = 500, tuneGrid = rf.parms, metric = "ROC", trControl = model.control)

运行train函数时，我收到此错误代码，但return_customer中没有缺失值：

  

na.fail.default中的错误（list（return_customer = c（0L，0L，0L，0L，0L，：     对象中缺少值

我想了解为什么函数正在读取数据中的缺失值以及如何解决此问题。我知道在论坛中有类似的问题，但我无法修复我的代码。谢谢！

Answer 1

缺少值将出现在预测变量中。

尝试使用此代码删除具有空值的行：

row.has.na <- apply(train, 1, function(x){any(is.na(x))})
predictors_no_NA <- train[!row.has.na, ]

希望它有所帮助。