Question

我正在使用Kaggle的数据集“信用卡”。我使用randomforest进行预测，并使用训练集使用smot函数来平衡数据。
我的解释机学习软件包iml出现问题：当我在模型中使用函数“ FeatureImp”时，出现错误：

Ops.factor（实际，预测）中的错误：因素的级别集不同。

要解决该问题并开始使用iml，我该怎么做？

用于预测的变量为类：factor = 0/1。我已经控制了Class变量的类及其因素。我在FeatureImp中使用了损失函数“ ce”。

library(DMwR)

smote_creditcard <- SMOTE(Class ~ ., creditcard_train, k=10, perc.over=400,perc.under = 50)

#con perc.over=100 praticamente raddoppio i casi della classe minore

table(smote_creditcard$Class)

#   0    1 
# 796 1990 

prop.table(table(smote_creditcard$Class))

smote_creditcard$Class<-as.factor(smote_creditcard$Class)

creditcard_random <- randomForest(formula = Class ~ ., 
                                  data = smote_creditcard,ntree=1000,mtry=5)

library(iml)

X<-smote_creditcard[which(names(smote_creditcard)!="Class")]

y<-smote_creditcard$Class

predictor<-Predictor$new(creditcard_random,data=X,y=y,type="prob")

imp<-FeatureImp$new(predictor,loss="ce")

Ops.factor中的错误（实际，预测）：因素的水平集不同

Answer 1

levels(predict(creditcard_random,smote_creditcard)) levels(smote_creditcard$Class)

我认为这是您建议我的正确代码。输出是相同的，并且是： “ 0”“ 1”。

Ops.factor中的错误（实际的，预测的）：要素的水平集与来自软件包iml的Featureimp不同

1 个答案: