Question

我正在尝试使用＆＃34; caret＆＃34;的训练函数通过交叉验证来构建CART模型。包。

我的数据是4500 x 110数据框，其中所有预测变量（除了前两个，UserId和YOB（出生年份），我不用于模型构建）是2级因子，除了因变量是整数类型（虽然只有两个值1和0）。性别是一个独立的变量。

当我运行rpart命令获取CART模型时（使用包＆＃34; rpart＆＃34;），我对预测函数没有任何问题。但是，我想通过交叉验证来改进模型，因此使用了包裹中的列车功能＆＃34; caret＆＃34;使用以下命令：

tr = train(y ~ ., data = subImpTrain, method = "rpart", trControl = tr.control, tuneGrid = cp.grid)

使用以下警告构建模型

Warning message:
In nominalTrainWorkflow(x = x, y = y, wts = weights, info = trainInfo,  :
  There were missing values in resampled performance measures.

但它确实给了我一个最终模型（best.tree）。但是，当我尝试使用以下命令运行预测函数时：

best.tree.pred = predict(best.tree, newdata = subImpTest)

关于测试数据，它给出了以下错误：

Error in eval(expr, envir, enclos) : object 'GenderMale' not found

Gender变量有两个值：Female，Male

任何人都可以帮我理解错误

Answer 1

正如@lorelai建议的那样，caret如果您为变量提供公式，则对您的变量进行虚拟编码。另一种方法是自己提供变量，如下所示：

tr = train(y = subImpTrain$y, x = subImpTrain[, -subImpTrain$y],
           method = "rpart", trControl = tr.control, tuneGrid = cp.grid)

但更重要的是，您不应该使用predict.rpart而是使用predict.train，如下所示：

predict(tr, subImpTest)

在这种情况下，它可以正常使用公式界面。

Answer 2

我过去曾遇到过类似的问题，但涉及另一种算法。基本上，一些算法将因子变量转换为虚拟变量并相应地重命名它们。我的解决方案是创建我自己的假人，并将它们保留为数字格式。我读到决策树即使如此也能正常工作。

使用train命令通过CrossValidation构建CART模型时的预测功能问题

2 个答案: