Question

我已经连续几天没有成功了。我已经审核过类似的帖子（Error in predict.randomForest），但似乎没有任何帮助。我正在尝试开发一种模型来检验播种率（Rx）如何影响产量。

我想我需要弄清楚如何制作我的因子水平测试数据与我的训练数据匹配，因为我收到此错误：

Error in predict.randomForest(randFor.mod, newdata = pred.27k) : 
New factor levels not present in the training data

我从完整数据（pred.all）中对我的训练数据（pred.sub）进行了子集，这样我只考虑具有值的Yields，测试数据的Yield值为NA。

pred.sub<-subset(pred.all, !(is.na(pred.all$Yield)))

模型在训练数据上运行良好。

然而，一个侧面步骤是我需要为每个播种率创建单独的数据帧：

pred.27k<-pred.all
pred.27k$Rx<-27000
pred.27k$Rx<-factor(pred.27k$Rx, c(27000, 32000, 37000, 42000))

pred.32k<-pred.all
pred.32k$Rx<-32000
pred.32k$Rx<-factor(pred.32k$Rx, c(27000, 32000, 37000, 42000))

pred.37k<-pred.all
pred.37k$Rx<-37000
pred.37k$Rx<-factor(pred.37k$Rx, c(27000, 32000, 37000, 42000))

pred.42k<-pred.all
pred.42k$Rx<-42000
pred.42k$Rx<-factor(pred.42k$Rx, c(27000, 32000, 37000, 42000))

我检查了pred.all，pred.sub和pred.27k - pred.42k，Rx是每个数据集中的一个因子，有4个级别（27000 - 42000）。

我已经为任何预测变量估算了任何缺失的数据。

具有讽刺意味的是，我过去使用过此代码没有问题。

鉴于Rx是整个数据集（pred.all）中4个级别的因子，训练数据（pred.sub）和测试数据（pred.27k - pred.42k）我不确定还有什么做。我在设置pred.27k - pred.42k的级别时尝试调整代码，但没有任何效果。

一个线索可能是pred.sub $ Rx和pred.all $ Rx有4个级别带小数（27000.0005），但pred.27k $ Rx有4个级别是指定的整数（27000）。

Answer 1

我和一位给我快速修复的同事交谈过：

pred.all$Rx<-factor(round(as.numeric(as.character(pred.all$Rx))))

其中pred.all是完整的数据集。这会将测试/训练数据中的任何值四舍五入以匹配此处的级别：

pred.27k<-pred.all
pred.27k$Rx<-27000
pred.27k$Rx<-factor(pred.27k$Rx, c(27000, 32000, 37000, 42000))

pred.32k<-pred.all
pred.32k$Rx<-32000
pred.32k$Rx<-factor(pred.32k$Rx, c(27000, 32000, 37000, 42000))

pred.37k<-pred.all
pred.37k$Rx<-37000
pred.37k$Rx<-factor(pred.37k$Rx, c(27000, 32000, 37000, 42000))

pred.42k<-pred.all
pred.42k$Rx<-42000
pred.42k$Rx<-factor(pred.42k$Rx, c(27000, 32000, 37000, 42000))

基本上，级别必须相同，小的十进制不匹配就是问题所在。问题解决了。事实之后，现在看起来很简单......

错误predict.randomForest，因子级别

1 个答案: