Question

我发现了类似的问题，但没有解决我的问题：我使用插入方法的插入符合随机森林，然后使用预测来预测我的评估数据。这有效。但是当我试图获得预测概率时，我得到以下错误：

[.data.frame（out ,, obsLevels，drop = FALSE）中的错误：undefined 选择的列

代码（示例）

require(caret)

mtcars$carb <- as.factor(mtcars$carb)

tuneGrid <- expand.grid(mtry = c(10), min.node.size = c(1), splitrule = "extratrees")
rf_model<-train(carb~.,data=mtcars,method="ranger",
                trControl=trainControl(method="none")
                , tuneGrid = tuneGrid
)

predict(rf_model, mtcars, type="prob")

我确保碳水化合物是其他地方建议的因素。

思想？

Answer 1

有几个问题。首先，这种方法要求因子的类级别遵循有效的约定 R变量名，所以将碳水化合物因子的水平重命名为以字母开头是第一步

mtcars$carb <- as.factor(paste0("c",mtcars$carb))

其次，TrainControl中classProbs的默认参数设置为FALSE。在你的情况下，这应该是TRUE。

library("caret")

tuneGrid <- expand.grid(mtry = c(10), min.node.size = c(1), splitrule = "extratrees")
rf_model <- train(carb ~ ., data = mtcars, method = "ranger",
              trControl = trainControl(method = "none", classProbs = TRUE),
              tuneGrid = tuneGrid)

classprobs <- predict(rf_model, newdata = mtcars, type = "prob")

尝试在R的插入符包中获取类概率时出错

1 个答案: