r - 如果测试数据中存在新的因子水平，R 中的随机森林包会在 prediction() 期间显示错误。有没有办法避免这个错误？

Question

我的训练数据中有 30 个预测因子的因子水平。我的测试数据中再次有 30 个相同预测因子的因子水平，但有些水平是不同的。除非水平完全相同，否则 randomForest 不会预测。它显示错误。说，predict.randomForest(model,test) 中的错误训练数据中不存在新的因子水平

score 10 · Accepted Answer

我发现的一种解决方法是首先将您的训练和测试集中的因子变量转换为字符

test$factor <- as.character(test$factor)

然后为每个列添加一个带有测试/训练标志的列，即

test$isTest <- rep(1,nrow(test))
train$isTest <- rep(0,nrow(train))

然后 rbind 他们

fullSet <- rbind(test,train)

然后转换回一个因子

fullSet$factor <- as.factor(fullSet$factor)

这将确保测试集和训练集具有相同的水平。然后你可以分开：

test.new <- fullSet[fullSet$isTest==1,]
train.new <- fullSet[fullSet$isTest==0,]

并且您可以从每个列中删除/ NULLisTest列。然后，您将拥有可以训练和测试的具有相同级别的集合。可能有一个更优雅的解决方案，但这在过去对我有用，如果你需要经常重复它，你可以把它写成一个小函数。

score 2 · Accepted Answer

使用它来使级别匹配（这里测试和训练指的是测试和训练数据集中的列）

test<-factor(test, levels=levels(train))

score 1 · Accepted Answer

对此的简单解决方案是将您的测试数据与训练数据进行 rbind，进行预测并将预测中的 rbind 数据子集。经过测试的方法

score 0 · Accepted Answer

这是当您的测试数据的级别与训练数据的级别不匹配时出现的问题。

一个简单的修复方法：

4 回答 4