Question

我尝试预测林分类型（n = 43类编码地貌，地质，水和养分供应等）在randomForests的大型1027206000单元格栅格上。

在我作为协变量使用的许多DEM派生参数中，我还有2个栅格，其ID编号为地质图和土壤图。许多分类映射单元都带有这些ID。我使用数据帧训练模型，并通过“合并”将分类映射单元附加到它。

到目前为止一切正常。该模型做了它应该做的事情和我可以预测数据帧中保存的一些测试数据。

但现在我打算制作一些预测图。但是当用rasterstack或砖运行模型时只给出所有NA的栅格。我的印象是，在将因子水平传递给rasterstack / rasterbrick时我做错了。

她是一些可以重现问题的代码。

library(raster)
library(rasterVis)
library(randomForest)

# make a raster
set.seed(0)
r <- raster(nrow=10, ncol=10)
r[] <- runif(ncell(r)) * 10
is.factor(r)
r <- round(r)

# make faktor
f <- as.factor(r)
is.factor(f)

# get some none-sense levels
x <- levels(f)[[1]]
x$code <- paste("A",letters[10:20])
x$code2 <- paste("B",letters[10:20])
x$code3 <- letters[10:20]

levels(f) <- x
f<-deratify(f) # make a brick
levels(f)


set.seed(2)
# get some none-sense dataframe
xx<-data.frame(code=sample(rep(paste("A",letters[10:20]),10)),
               code2=sample(rep(paste("B",letters[10:20]),10)),
               code3=rep( letters[10:20],10),
               y=as.factor(sample(rep(paste(rep(1:5)),22))))

# fit and predict a random forest with it
ranfor<-randomForest(y~.,data=xx,ntree=100)
predict(ranfor)

# try to predict with a raster
names(f)<-c("code","code2","code3")
a<-predict(object=f,ranfor,na.omit=T,factors=list(code=levels(xx$code),
            code2=levels(xx$code2),
            code3=levels(xx$code3)))

plot(a) # gives an empty raster

# convert the raster to a dataframe and predict again
x<-as.data.frame(f)
names(x)<-c("code","code2","code3")
aa<-predict(ranfor,x)

plot(aa) # works just fine!

有什么建议吗？谢谢！

R version 3.1.2 (2014-10-31) Platform: x86_64-w64-mingw32/x64 (64-bit)

locale: [1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    LC_MONETARY=English_United States.1252 [4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    

attached base packages: [1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages: [1] randomForest_4.6-10 rasterVis_0.35      latticeExtra_0.6-26 RColorBrewer_1.1-2  lattice_0.20-33     raster_2.4-15       sp_1.1-1           

loaded via a namespace (and not attached): [1] grid_3.1.2    hexbin_1.27.0 Rcpp_0.11.6   rgdal_1.0-4   tools_3.1.2   zoo_1.7-12

Answer 1

为了解决这些问题，我在将字符串中的因子级别重新编码为“数字”级别后创建了所有分类变量的栅格。然后预测：栅格完成工作。但是，这对问题来说是一个非常糟糕的解决方案。所以：非常感谢任何帮助！

传递级别以使用栅格预测randomForest

1 个答案: