5

尝试使用 的输出randomForest对新数据(甚至原始训练数据)进行分类时,出现以下错误:

> res.rf5 <- predict(model.rf5, train.rf5)
Error in predict.randomForest(model.rf5, train.rf5) :
  New factor levels not present in the training data

这个错误是什么意思?为什么即使我尝试预测我用来训练的相同数据也会出现此错误?

下面是一个可用于重现错误的小示例。

train.rf5 <- structure(
  list(A = structure(c(2L, 1L, 1L, 1L, 1L, 1L, 3L, 1L, 1L, 3L),
                     .Label = c("(-0.1,19.9]", "(19.9,40]", "(80.1,100]"),
                     class = c("ordered", "factor")),
       B = structure(c(3L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 4L),
                     .Label = c("1", "2", "4", "5"),
                     class = c("ordered", "factor")),
       C = structure(c(1L, 1L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 2L),
                     .Label = c("FALSE", "TRUE"),
                     class = "factor")),
  .Names = c("A", "B", "C"),
  row.names = c(7L, 8L, 10L, 11L, 13L, 15L, 16L, 17L, 18L, 19L),
  class = "data.frame")

#              A B     C
# 7    (19.9,40] 4 FALSE
# 8  (-0.1,19.9] 1 FALSE
# 10 (-0.1,19.9] 1  TRUE
# 11 (-0.1,19.9] 1 FALSE
# 13 (-0.1,19.9] 1 FALSE
# 15 (-0.1,19.9] 1  TRUE
# 16  (80.1,100] 2  TRUE
# 17 (-0.1,19.9] 1 FALSE
# 18 (-0.1,19.9] 1 FALSE
# 19  (80.1,100] 5  TRUE

require(randomForest)
model.rf5 <- randomForest(C ~ ., data = train.rf5)
res.rf5 <- predict(model.rf5, train.rf5)  # Causes error

我在 SO 上看到了一些可能相关的问题,但我认为它们不能直接解决我的问题

  1. 在 R 中的子集数据框中删除因子级别
  2. 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?

与 1) 不同,我没有数据中未表示的因子水平,并且与 2) 不同,我的训练数据和测试数据中的因子水平是相同的。

编辑:附加信息:

sessionInfo()
R version 3.0.1 (2013-05-16)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=C                 LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] randomForest_4.6-7

loaded via a namespace (and not attached):
[1] tools_3.0.1
4

1 回答 1

5

我测试了我的猜测,即有序因素是问题的根源,并且当我唯一要做的就是从该结构的类中删除“有序”时,我没有得到任何错误。我在文档中没有看到不允许有序因素,但我也没有看到它们被特别考虑。这可能以前没有出现过。排序似乎会带来额外的复杂性,如果你想考虑订单,你可以改为为as.numeric(.)RF 算法提供“分数”。

于 2013-06-27T20:33:26.937 回答