confusionMatrix.default（data.testTree，测试$ money.gain）出错：数据的级别不能超过参考

Question

不，因为当你运行时caret::confusionMatrix (data.testTree, testing $ money.gain)告诉我：数据不能超过参考水平。

我已经运行了这些命令：

cvControl <- trainControl(method = "repeatedcv" number = 10, repeats = 5)
tree.rpart <- caret::train(form.in,data=training,method="rpart",
    metric="money.gain",trControl=cvControl)

对于整个测试运行以下命令：

testing <- testing[complete.cases(testing),]
data.testTree <- caret::predict.train(tree.rpart, NewData = testing)

现在我们必须最终确定使用混淆矩阵获得的结果：

caret::confusionMatrix(data.testTree, testing$money.gain)

identical (levels(testing$money.gain), levels(testing$money.gain))
[1] TRUE

Answer 1

您的dataTest.tree对象可能不包含您预测的类，因为caret :: predict.train函数的选项是＆＃39; newdata＆＃39;不是＆＃39; NewData＆＃39;就像你拥有它一样。尝试将该行更改为：

  

dataTest.tree＆lt; - caret :: predict.train（tree.part，newdata = testing）

此外，在此后的行中，相同的功能是比较相同的东西，并始终返回TRUE结果。我假设您想要比较预测函数的结果和测试数据集响应级别。我打赌，如果你改变了，那一行的结果将是一个假。