Question

我正在使用rpart库来构建回归树，其代码如下：

skillcraft <- read.csv("https://archive.ics.uci.edu/ml/machine-learning-databases/00272/SkillCraft1_Dataset.csv", header = T, sep =",")

skillcraft$LeagueIndex <- factor(skillcraft$LeagueIndex)
skillcraft <- skillcraft[-1]
skillcraft$Age <- as.numeric(levels(skillcraft$Age))[skillcraft$Age]
skillcraft$TotalHours <- as.numeric(
  levels(skillcraft$TotalHours))[skillcraft$TotalHours]
skillcraft$HoursPerWeek <- as.numeric(
  levels(skillcraft$HoursPerWeek))[skillcraft$HoursPerWeek]

skillcraft <- skillcraft[complete.cases(skillcraft),]

library(caret)
set.seed(133)

skillcraft_sampling_vector <- createDataPartition(
  skillcraft$LeagueIndex, p = 0.8, list = F)

skillcraft_train <- skillcraft[skillcraft_sampling_vector,] 
skillcraft_test <- skillcraft[-skillcraft_sampling_vector,]


library(rpart)
regtree <- rpart(LeagueIndex ~., data = skillcraft_train)

regtree_predictions <- predict(regtree, skillcraft_test)

此代码的最后一行抛出错误：

Error in frame$yval2[where, 1L + nclass + 1L:nclass, drop = FALSE] : 
  subscript out of bounds

这似乎还不太清楚，但是我检查了两个数据帧（训练和测试）是否具有相同的结构，现在我很难找到一种调试该代码的方法。

有人可以帮忙吗？

谢谢！

Answer 1

我最好的猜测是问题出在LeagueIndex因素上。此变量是作为顺序数据（从Bronze到Professional）提供的，并转换为字符因子"1", "2", "3"，依此类推，直到"8"。

除了您遇到rpart的错误外，您还根据以下因素对数据进行分区时收到警告：

在createDataPartition（skillcraft $ LeagueIndex，p = 0.8，list = F）中：
有些类没有记录（8），这些记录将被忽略

显然没有LeagueIndex为8的记录。这似乎是在您选择此处的已完成案例之后出现的：

skillcraft <- skillcraft[complete.cases(skillcraft),]

所有LeagueIndex=8案例都将被删除，因为这些案例在Age，HoursPerWeek和TotalHours（强制为NA）下将丢失数据通过as.numeric进行了转换。

skillcraft[which(skillcraft$LeagueIndex == 8), c("Age", "HoursPerWeek", "TotalHours")]
     Age HoursPerWeek TotalHours
3341   ?            ?          ?
3342   ?            ?          ?
3343   ?            ?          ?
...

假设您仍然想要一个因数，我相信如果您摆脱了未使用的因数水平，它将起作用，例如：

skillcraft$LeagueIndex <- droplevels(skillcraft$LeagueIndex)

在对数据进行分区之前。（您可以只在此示例中对训练集进行操作，但您希望测试和训练集中的因子水平相同。）

框架$ yval2 [其中，1L + nclass + 1L：nclass，drop = FALSE]中的调试错误：下标超出范围

1 个答案: