对象中的缺失值 - R中的随机森林混淆矩阵

Question

我试图在拟合模型后获得混淆矩阵但没有成功。相反，使用相同的代码和决策树，没有问题。那是我的代码：

library(caret)
library(randomForest)

training <- read.csv("https://d396qusza40orc.cloudfront.net/predmachlearn/pml-training.csv", na.strings=c("#DIV/0!"), row.names = 1)

to_exclude <- nearZeroVar(training)
training <- training[, -to_exclude]

set.seed(1234)
train_idx <- createDataPartition(training$classe, p = 0.8, list = FALSE)
train <- training[train_idx,]
validation <- training[-train_idx,]

rf_model <- randomForest(classe ~ . , data=train, method="class")
rf_validation <- predict(rf_model, validation, type="class")

confusionMatrix(rf_validation, validation$classe)

这就是错误：

  

na.fail.default中的错误（列表（classe = c（1L，1L，1L，1L，1L，1L，1L，1L，：     对象中缺少值

我也试试这个：

table(rf_validation, validation$classe)

导致同样的错误。 如果我使用：

dt_model <- rpart(classe ~ ., data=train, method="class")

相反，一切正常。

我错过了什么？

Answer 1

如@lukeA所述，由于NA值，我遇到了问题。 另一个对我有用的选择是更多地清理我的数据。：

training <- training[, colSums(is.na(training)) == 0]

删除由NA值形成的要素。