1

我目前正在学习 Coursera 的“实用机器学习”课程，并且在使用 predict 函数时遇到了一些奇怪的行为。已经提出的问题是训练一棵树，然后做出一些预测。所以我不在这里发布答案，我已经更改了用于该问题的数据集。代码如下：

rm(list = ls())
library(rattle)
data(mtcars)
mtcars$vs = as.factor(mtcars$vs)
set.seed(125)
model = train(am ~ ., method = 'rpart', data = mtcars)
print(model)
fancyRpartPlot(model$finalModel)

sampleData = mtcars[1,]
sampleData[1,names(sampleData)] = rep(NA, length(names(sampleData)))
sampleData[1, c('wt')] = c(4)
predict(model, sampleData[1,], verbose = TRUE)

在上面的代码中，有两个主要部分。第一个构建树，第二个（从哪里sampleData开始）创建一个小样本数据集以应用模型。为了确保我具有与原始数据完全相同的结构，我只需复制训练数据集的第一行，然后将所有列设置为NA. 然后，我只将数据放入决策树需要的列中（在本例中为wt变量）。

当我执行上面的代码时，我得到以下结果：

Number of training samples: 32 
Number of test samples:     0 

rpart : 0 unknown predictions were added

numeric(0)

作为参考，下面是树的结构：

fancyRpartPlot(model$finalModel)

在此处输入图像描述

有人可以帮我理解为什么该函数没有返回我提供predict的预测值吗？sampleData

4

1 回答 1

0

不幸的是，即使rpart只wt在拆分中使用了变量，预测仍然需要其他变量存在。使用带有样本列的数据集：

> predict(model, mtcars[1,])
[1] 0.8571429

最大限度

于 2014-06-10T14:30:30.417 回答