6

我正在努力使用 caret 包执行分类树几天。问题是我的因素变量。我生成了树，但是当我尝试使用最佳模型对测试样本进行预测时，它失败了，因为 train 函数为我的因子变量创建了虚拟变量，然后 predict 函数在测试集中找不到这些新创建的虚拟变量. 我应该如何处理这个问题？

我的代码如下：

install.packages("caret", dependencies = c("Depends", "Suggests"))      
library(caret)                                      
db=data.frame(read.csv ("db.csv", head=TRUE, sep=";", na.strings ="?"))     
fix(db)
db$defaillance=factor(db$defaillance)
db$def=ifelse(db$defaillance==0,"No","Yes") 
db$def=factor(db$def)
db$defaillance=NULL
db$canal=factor(db$canal)
db$sect_isodev=factor(db$sect_isodev)
db$sect_risq=factor(db$sect_risq)       

#delete zero variance predictors                                
nzv <- nearZeroVar(db[,-78])
db_new <- db[,-nzv]

inTrain <- createDataPartition(y = db_new$def, p = .75, list = FALSE)                               
training <- db_new[inTrain,]
testing <- db_new[-inTrain,]
str(training)
str(testing)
dim(training)
dim(testing)

下面是用于训练/测试的 str() 函数的示例：

 $ FDR        : num  1305 211 162 131 143 ...
 $ FCYC       : num  0.269 0.18 0.154 0.119 0.139 ...
 $ BFDR       : num  803 164 108 72 76 63 100 152 188 80 ...
 $ TRES       : num  502 47 54 59 67 49 53 -7 -103 -109 ...
 $ sect_isodev: Factor w/ 9 levels "1","2","3","4",..: 4 3 3 3 3 3 3 3 3 3 ...
 $ sect_risq  : Factor w/ 6 levels "0","1","2","3",..: 6 6 6 6 6 6 6 6 6 6 ...
 $ def        : Factor w/ 2 levels "No","Yes": 1 1 1 1 1 1 1 1 1 1 ...
> dim(training)
[1] 14553    42
> dim(testing)
[1] 4850   42

然后我的代码是这样的：

fitControl <- trainControl(method = "repeatedcv",
                           number = 10,
                           repeats = 10,
                   classProbs = TRUE,
                   summaryFunction = twoClassSummary)

#CART1
set.seed(1234)
tree1 = train (def~.,
           training,
           method = "rpart",
           tuneLength=20,
           metric="ROC",
           trControl = fitControl)

一个样本

summary(tree1$finalModel)

在这儿

RNTB          38.397731
sect_isodev1   6.742289
sect_isodev3   4.005016
sect_isodev8   2.520850
sect_risq3     9.909127
sect_risq4     6.737908
sect_risq5     3.085714
SOLV          73.067539
TRES          47.906884
sect_isodev2   0.000000
sect_isodev4   0.000000
sect_isodev5   0.000000
sect_isodev6   0.000000
sect_isodev7   0.000000
sect_isodev9   0.000000
sect_risq0     0.000000
sect_risq1     0.000000
sect_risq2     0.000000

这是错误：

model.tree1 <- predict(tree1$finalModel,testing) eval 中的错误（expr，envir，enclos）：找不到对象 'sect_isodev1'

我对另一件事感到好奇。我在 Max Kuhn 的“Predictive Modeling with R”中发现了以下语法：

predict(rpartTune$finalModel, newdata, type = "class")

哪里rpartTune$finalModel是与我相同的分类树（或我的与他的相同）。现在，R 不接受 type="class"。只键入="prob"。我因此而烦恼。

预先感谢您的回复

4

2 回答 2

13

predict.rparttrain$finalModel除非您有充分的理由，否则不要与 the 一起使用。rpart对象不知道所做的任何事情，train包括预处理。它可能不会给你正确的答案。毕竟，您可能会使用train它来避免细节问题，所以让我们predict.train来做吧。

最大限度

编辑 -

关于type = "class"和type = "prob"位..

predict.rpart默认产生类概率。虽然rpart它是最早的包之一，但它是非典型的，因为默认情况下大多数生成类。

predict.train默认情况下生成类，您必须使用它type = "prob"来获取概率。

于 2014-12-19T20:14:51.003 回答
9

据我所知，有两个问题：

  • R 找不到合适的predict函数，因为tree1$finalModel它应该是类的。我也得到了那个错误，不幸的是不知道根本原因。这也是 R 不接受的原因。会接受它。predict.rparttree1$finalModelrparttype = "class"predict.rpart
  • 为函数提供公式而不是 x 和 y 对象会导致以后无法找到train类似变量的问题sect_isodev1

str使用 x 和 y 对象使用随机数据（类似于您的 ）重现您的错误并predict.rpart显式调用 fromrpart为我工作后：

tree1 = train (y = training$def,
               x = training[, -which(colnames(training) == "def")],
               method = "rpart",
               tuneLength=20,
               metric="ROC",
               trControl = fitControl)
summary(tree1$finalModel)
# This still results in Error: could not find function "predict.rpart":
model.tree1 <- predict.rpart(tree1$finalModel, newdata = testing)
# Explicitly calling predict.rpart from the rpart package works:
rpart:::predict.rpart(object = tree1$finalModel, 
                      newdata = testing, 
                      type = "class")

顺便说一句，predict(tree1, testing)表示predict.train与train对象一起使用，也可以工作并返回预测的类。编辑：正如 Max 指出的那样，通常最好只使用这种方法而不是使不同的predict功能起作用。

于 2014-12-18T19:57:48.060 回答