R SVM返回NA，用于缺少数据的预测

Question

我正在尝试使用e1071包中经过训练的SVM进行预测，但我的数据包含一些缺失值（NA）。

我希望当该实例有任何缺失值时，返回的预测为NA。我尝试使用na.action = na.pass，但是它给了我一个错误＆＃34;名称错误（ret2）＆lt; - rowns：＆＃39; names＆＃39; attribute [150]的长度必须与vector [149]＆＃34;。

的长度相同

如果我使用na.omit，那么我可以获得没有丢失数据的实例的预测。 如何获得包括NA在内的预测？

library(e1071)
model <- svm(Species ~ ., data = iris)
print(length(predict(model, iris)))
tmp <- iris
tmp[1, "Sepal.Length"] <- NA
print(length(predict(model, tmp, na.action = na.pass)))

Answer 1

如果您熟悉caret package，您可以使用233种不同类型的模型（包括来自包e1071的SVM），在"models clustered by tag similarity"部分，您可以找到一个csv他们用来对算法进行分组的数据。

有一个名为 Handle Missing Predictor Data 的列，它告诉您哪些算法可以执行您想要的操作。不幸的是，SVM不包括在内，但这些算法是：

• Boosted Classification Trees（ada）
• Bagged AdaBoost（AdaBag）
• AdaBoost.M1（AdaBoost.M1）
• C5.0（C5.0）
• 对成本敏感的C5.0（C5.0Cost）
• 单个C5.0规则集（C5.0规则）
• 单个C5.0树（C5.0Tree）
• CART（rpart）
• CART（rpart1SE）
• CART（rpart2）
• 对成本敏感的CART（rpartCost）
• CART或Ordinal Responses（rpartScore）

如果你仍然坚持使用SVM，你可以使用同一个包中preProccess function的knnImpute选项，这样你就可以预测你的所有观察结果。

Answer 2

您可以将所有有效案例分配回tmp集合中的预测变量：

tmp[complete.cases(tmp), "predict"] <- predict(model, newdata=tmp[complete.cases(tmp),]) 
tmp

#    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species    predict
#1             NA         3.5          1.4         0.2     setosa       <NA>
#2            4.9         3.0          1.4         0.2     setosa     setosa
#3            4.7         3.2          1.3         0.2     setosa     setosa
# ...