问题

Question

我正在使用插入符号包来训练模型＆＃34; rpart＆＃34;包;

tr = train(y ~ ., data = trainingDATA, method = "rpart")

数据没有缺失值或NA，但在运行命令时会出现警告消息;

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

有谁知道（或者可以指出我在哪里可以找到答案）这个警告意味着什么？我知道它告诉我重新采样的性能测量中缺少值 - 但这究竟意味着什么，以及如何出现这样的情况？顺便说一句，predict()函数适用于拟合模型，所以这只是我的好奇心。

Answer 1

没有更多数据，不能确定无疑。

如果这是回归，最可能的情况是树没有找到好的分裂，并使用结果的平均值作为预测变量。这很好，但你不能计算R ^ 2，因为预测的方差是零。

如果分类，很难说。您可以进行重新采样，其中一个结果类的样本为零，因此灵敏度或特异性未定义，因此NA。

Answer 2

当模型在某些交叉验证折叠中未收敛时，预测将为零方差，则会发生此错误。结果，无法计算出诸如RMSE或Rsquared之类的指标，因此它们变为NA。有时，您可以调整一些参数以实现更好的收敛性，例如神经网络库提供了增加阈值的功能，这几乎总是导致收敛。但是，我不确定rpart库。

发生这种情况的另一个原因是您的训练数据中已经有NA。那么显而易见的解决方法是在通过火车之前将它们删除（数据= na.omit（training.data））。

希望会有所启发。

Answer 3

问题

问题在于rpart正在使用基于树的算法，该算法只能处理给定特征中的有限数量的因子。因此，您可能将变量设置为超过53个类别的因子：

> rf.1 <- randomForest(x = rf.train.2, 
+                      y = rf.label, 
+                      ntree = 1000)
Error in randomForest.default(x = rf.train.2, y = rf.label, ntree = 1000) : 
Can not handle categorical predictors with more than 53 categories.

根据您的问题，插入符号正在运行该功能，因此请确保您使用超过53个级别修复分类变量。

以前我的问题在哪里撒谎（注意zipcode作为因素进入）：

# ------------------------------- #
# RANDOM FOREST WITH CV 10 FOLDS  #
# ------------------------------- #
rf.train.2 <- df_train[, c("v1",
                      "v2",
                      "v3",
                      "v4",
                      "v5",
                      "v6",
                      "v7",
                      "v8",
                      "zipcode",
                      "price",
                      "made_purchase")]
rf.train.2 <- data.frame(v1=as.factor(rf.train.2$v1),
                     v2=as.factor(rf.train.2$v2),
                     v3=as.factor(rf.train.2$v3),
                     v4=as.factor(rf.train.2$v4),
                     v5=as.factor(rf.train.2$v5),
                     v6=as.factor(rf.train.2$v6),
                     v7=as.factor(rf.train.2$v7),
                     v8=as.factor(rf.train.2$v8),
                     zipcode=as.factor(rf.train.2$zipcode),
                     price=rf.train.2$price,
                     made_purchase=as.factor(rf.train.2$made_purchase))
rf.label <- rf.train.2[,"made_purchase"]

解决方案

删除所有级别超过53级的分类变量。

以下是我的修正代码，调整分类变量 zipcode ，您甚至可以将其包装在数字包装中，如下所示：as.numeric(rf.train.2$zipcode)。

# ------------------------------- #
# RANDOM FOREST WITH CV 10 FOLDS  #
# ------------------------------- #
rf.train.2 <- df_train[, c("v1",
                      "v2",
                      "v3",
                      "v4",
                      "v5",
                      "v6",
                      "v7",
                      "v8",
                      "zipcode",
                      "price",
                      "made_purchase")]
rf.train.2 <- data.frame(v1=as.factor(rf.train.2$v1),
                     v2=as.factor(rf.train.2$v2),
                     v3=as.factor(rf.train.2$v3),
                     v4=as.factor(rf.train.2$v4),
                     v5=as.factor(rf.train.2$v5),
                     v6=as.factor(rf.train.2$v6),
                     v7=as.factor(rf.train.2$v7),
                     v8=as.factor(rf.train.2$v8),
                     zipcode=rf.train.2$zipcode,
                     price=rf.train.2$price,
                     made_purchase=as.factor(rf.train.2$made_purchase))
rf.label <- rf.train.2[,"made_purchase"]

Answer 4

将训练数据拟合到单个决策树时，我遇到了相同的错误。但是，一旦我在拆分训练和测试集之前从原始数据中删除了NA值，它就解决了。我猜想当我们拆分并拟合模型时，这是数据的不匹配。脚步： 1：从原始数据中删除NA。 2：现在分为训练和测试集。 3：现在训练模型，希望它现在可以解决错误。

Answer 5

在我的情况下，借助于bmc的答案，我发现这是因为结果列为数字（由数据集提供）。将其转换为因数，然后运行train的 then 成功，没有错误。

警告消息：＆＃34;重新采样的性能指标中缺少值＆＃34;在插入火车（）使用rpart

5 个答案:

问题

解决方案

删除所有级别超过53级的分类变量。