Question

我正在尝试使用以下

创建一个随机林

movies.rf <- randomForest(Infl.Adj.Dom.BoxOffice~. -Genre -Source -ProductionMethod -CreativeType, data=Movies, subset=train)

我得到了

Error in randomForest.default(m, y, ...) : Can not handle categorical predictors with more than 53 categories.

阅读this后，我尝试检查变量的值并获得此

>length(unique(Movies$Genre))
[1] 12
> length(unique(Movies$Source))
[1] 16
> length(unique(Movies$ProductionMethod))
[1] 5
> length(unique(Movies$CreativeType))
[1] 9

单独地，它们都不大于53，并且加在一起，它们小于53.那么为什么我仍然会得到错误？

Answer 1

如果从您的问题的上下文中看出，您打算仅使用这四个要素（Genre, Source, ProductionMethod, CreativeType）来预测Infl.Adj.Dom.BoxOffice，那么您在错误中使用R公式方式：你的用法

Infl.Adj.Dom.BoxOffice~. -Genre -Source -ProductionMethod -CreativeType

事实上说＆＃34;使用所有功能预测Infl.Adj.Dom.BoxOffice .）除了 Genre, Source, ProductionMethod, CreativeType＆＃34; （-符号用于excluding变量）。

所以，这里实际发生的是，其他功能中的一个（或多个）是一个超过53个级别的分类功能。

正确的用法，如果你确实只想使用你提到的这四个功能，应该是：

movies.rf <- randomForest(Infl.Adj.Dom.BoxOffice ~ Genre + Source + ProductionMethod + CreativeType, data=Movies, subset=train)

R randomForest太多类别错误，即使少于53个类别

1 个答案: