randomForest **有时**预测数据集上的NA

Question

我从randomForest得到了奇怪的行为：有时我的训练数据集会预测出NA！这是完全随机的，看到两次运行得到不同的结果！

Func<IBlah,string>

我的数据集中没有NA：

> rf <- randomForest(formula(rfFormula), data = df2, ntree = 20, keep.forest = TRUE) 
> pr <- predict(rf, type = "response")
> any(is.na(pr))
[1] TRUE
> which(is.na(pr))
1283 
1001 
> 
> rf <- randomForest(formula(rfFormula), data = df2, ntree = 20, keep.forest = TRUE) 
> pr <- predict(rf, type = "response")
> any(is.na(pr))
[1] FALSE
> which(is.na(pr))
named integer(0)

那为什么呢？是> any(is.na(df2)) [1] FALSE 中的错误吗？还是与OOB预测有关的麻烦？

1）请注意，我在公式中使用了119个变量。

2）请注意，我使用randomForest而不是predict(rf, type = "response")，that would be a mistake。我需要使用第一种方法来获得OOB预测：-）

Answer 1

这正是@joran提到的原因。较少的树木（20）使得有时偶然发生的情况是一次观察被用来构造全部20棵树，因此没有树木可以在该观察上获得OOB（袋外）预测。 / p>

设置ntree = 100对其进行了修复。

PS：具有讽刺意味的是，我实际上将ntree = 20用于调试目的，以便能够快速调试脚本中的所有错误，并且实际上生成了一个新的非常困难的错误，通常不会出现:-D这就是通过勤奋工作才能产生相反效果的方法：-）