Question

我正在尝试使用R中的插入符号包在数据集上实现随机森林。查看此站点上的先前示例，我更改了列名和因子级别。似乎没有任何作用。一遍又一遍地得到相同的错误。这是我的代码，数据集的结构和错误：

model_rf = train(Promoted ~ Department + Region+ Education+Gender+ RecruitmentChannel+TrainingNumber+Age+LengthOfService +EmployeePerformance+AvgTrainingPerformance, data=train, method='rf', tuneLength=5, trControl = fitControl)
model_rf
predicteds_rf <- predict(model_rf, newdata=test)

错误：至少一个班级等级无效 R变量名；当类概率为生成是因为变量名称将被转换为不提拔，提拔。请使用可以用作有效的R变量名称（有关帮助，请参见？make.names）。

> str(trainData)
'data.frame':   54808 obs. of  12 variables:
 $ EmployeeID            : int  65438 65141 7513 2542 48945 58896 20379 16290 73202 28911 ...
 $ Department            : Factor w/ 9 levels "Analytics","Finance",..: 8 5 8 8 9 1 5 5 1 8 ...
 $ Region                : Factor w/ 34 levels "region_1","region_10",..: 32 15 11 16 19 12 13 28 13 1 ...
 $ Education             : Factor w/ 4 levels "","Bachelor's",..: 4 2 2 2 2 2 2 4 2 4 ...
 $ Gender                : Factor w/ 2 levels "f","m": 1 2 2 2 2 2 1 2 2 2 ...
 $ RecruitmentChannel    : Factor w/ 3 levels "other","referred",..: 3 1 3 1 1 3 1 3 1 3 ...
 $ TrainingNumber        : Factor w/ 5 levels "Average training",..: 5 5 5 3 5 3 5 5 5 5 ...
 $ Age                   : Factor w/ 3 levels "Middle Age","Old",..: 1 3 1 1 1 1 1 1 3 1 ...
 $ LengthOfService       : Factor w/ 6 levels "Junior","Mid Level",..: 6 2 6 6 1 6 2 2 2 2 ...
 $ EmployeePerformance   : Factor w/ 7 levels "Average Performer",..: 4 3 5 7 5 5 5 5 3 4 ...
 $ AvgTrainingPerformance: Factor w/ 6 levels "Average","Below Average",..: 5 1 2 2 4 6 2 1 6 2 ...
 $ Promoted              : Factor w/ 2 levels "Not Promoted",..: 1 1 1 1 1 1 1 1 1 1 ...

如果有人可以给我一些建议，那将是一个很大的帮助。非常感谢。

Answer 1

因子水平的有效名称应不

包含空格
以数字开头
是一个空字符串

如您所见，您的数据框包含所有这三个。

之所以存在这些要求，是因为每当caret :: train（）运行基于树的模型（此处为随机森林）时，它都会将因子级别转换为用于拆分树的变量。因此，因子级别标签成为变量名。

因此对于这些变量中的每一个，您都可以使用以下代码将级别名称转换为有效的标签。

trainData %>% 
  mutate(Education = factor(Education, 
          labels = make.names(levels(Education))))

您可以执行labels =而不是levels =-后者更改数据，而前者更改显示（例如，通过print（dataframe））。

错误：至少一个类级别不是有效的R变量名称

1 个答案: