我尝试使用插入符号包中的train（）fx在60个变量和~20,000个观察点上构建分类模型。我使用随机森林方法并且在我的训练集上返回0.999准确度，但是当我使用模型进行预测时，它将每个测试观察分类为同一类（即，20个观察中的每一个被分类为＆＃ 34; 1＆＃34; s＆＃34; 5种可能的结果）。我确定这是错误的（测试集是针对Coursera测验的，因此我没有发布确切的代码）但我不确定发生了什么。
我的问题是，当我调用最终的fit模型（fit $ finalModel）时，它表示它总共生成了500棵树（默认和预期），但是每次拆分时尝试的变量数量为35。 / strong>我知道将进行分类，为每个分割选择的标准观察数是总预测数的平方根（因此，应该是sqrt（60）= 7.7，称之为8）。这可能是问题??
我对我的模型或数据清理是否有问题感到困惑。
set.seed(10000)
fitControl <- trainControl(method = "cv", number = 5)
fit <- train(y ~ ., data = training, method = "rf", trControl = fitControl)
配合$ finalModel
Call:
randomForest(x = x, y = y, mtry = param$mtry)
Type of random forest: classification
Number of trees: 500
No. of variables tried at each split: 41
OOB estimate of error rate: 0.01%
答案 0 :(得分：0)
如果学生未能删除NA值超过50％的自变量，则使用Random Forest作为Coursera的约翰霍普金斯实用机器学习课程的最终项目将为测验的所有20个测试用例生成相同的预测。
解决方案：从模型中删除具有高比例缺失值的变量。