0

我正在使用此 CRAN 文档 ( https://cran.r-project.org/web/packages/FSelector/FSelector.pdf ) 第 4 页中的最佳首次搜索的确切代码，该文档使用 iris 数据集。它适用于 iris 数据集，但不适用于我自己的 ndata。我的数据有 37 个预测变量（数值和分类），第 38 列是类预测。

我收到错误：

Error in predict.rpart(tree, test, type = "c") : 
   Invalid prediction for "rpart" object

我认为来自这一行：

     error.rate = sum(test$Class != predict(tree, test, type="c")) / nrow(test)

我已经尝试过调试和回溯，但我不明白为什么会发生这个错误（就像我说的，虹膜数据无法重现）。

这是我的一些数据，因此您可以看到我正在使用的内容：

> head(data)
Numeric Binary Binary.1 Categorical Binary.2 Numeric.1 Numeric.2 Numeric.3     Numeric.4 Numeric.5 Numeric.6
1      42      1        0           1        0  27.38953  38.93202  27.09122  38.15687  9.798653  18.57313
2      43      1        0           3        0  76.34071  75.18190  73.66722  72.39449 23.546124  54.29957
3      67      0        0           1        0 485.87158 287.35052 471.58863 281.55261 73.454080 389.40092
4      49      0        0           3        0 200.83924 171.77136 164.33999 137.13165 36.525225 122.74080
5      42      1        1           2        0 421.56508 243.05138 388.66823 221.17644 57.803488 285.72923
6      48      1        1           2        0  69.48605  68.86291  67.57764  66.68408 16.661986  43.27868
  Numeric.7 Numeric.8 Numeric.9 Numeric.10 Numeric.11 Numeric.12 Numeric.13 Numeric.14 Numeric.15 Numeric.16
1    1.9410    1.6244    1.4063   3.761285   11.07121   12.00510   1.631108   2.061702  0.7911462  1.0196401
2    2.7874    2.4975    1.8621   4.519124   18.09848   15.46028   2.069787   2.650712  0.7808421  0.9650938
3    4.9782    4.5829    4.0747  10.165202   24.66558   18.26303   2.266640   3.504340  0.6468095  1.8816444
4    3.4169    3.0646    2.7983   7.275817   15.15534   13.93672   2.085589   2.309878  0.9028999  1.6726948
5    5.2302    3.7912    3.4401   7.123413   59.64406   28.71171   3.311343   5.645815  0.5865128  0.8572746
6    2.9730    2.2918    1.5164   4.541603   26.81567   18.67885   2.637904   3.523510  0.7486581  0.7908798
  Numeric.17 Numeric.18 Numeric.19 Numeric.20 Categorical.1 Numeric.21 Numeric.22 Numeric.23 Numeric.24
1   2.145868   1.752803   64.91618  41.645192             1   9.703708   1.116614 0.09654643  4.0075897
2   2.336676   1.933997   19.93420  11.824950             3  31.512059   1.360054 0.03559176  0.5806225
3   5.473179   1.857276   44.22981  33.698516             1   8.498998       1.067967 0.04122081  0.7760942
4   3.394066   2.143688   10.61420  29.636776             3  39.734071   1.549718 0.04577881  0.3102006
5   1.744118   4.084250   38.28577  87.214615             2  59.519129   2.132184 0.16334461  0.3529899
6   1.124962   4.037118   58.37065   3.894945             2  64.895248   2.190225 0.13461692  0.2672686
   Numeric.25 Numeric.26 Numeric.27 Numeric.28 Numeric.29 Numeric.30 Numeric.31 Class
1 0.065523088   1.012919   1.331637 0.18721221  645.60854  144.49088  20.356321 FALSE
2 0.030128214   1.182271   1.633734 0.10035377  206.18575  142.63844  24.376264 FALSE
3 0.005638842   0.802835   1.172351 0.07512149   81.98983   91.44951  18.949937 FALSE
4 0.061873262   1.323395   1.733104 0.12725994   51.14379  113.19654  28.529134 FALSE
5 0.925931194   1.646710   3.096853 0.39408020  151.65062  103.64733       6.769099 FALSE
6 0.548181302   1.767779   2.547693 0.34173633   46.10354  111.04652   9.658817 FALSE
4

1 回答 1

8

由于我对 rpart-package 还不是很熟悉，所以我可能错了，但它对我有用：

尝试使用type = "vector"而不是type = "c". 您的变量Class是合乎逻辑的，因此rpart-function 应该生成回归树，而不是分类树。状态的文档，predict.rpart类型class和prob仅用于分类树。

使用以下代码，您可以获得预测的类：

your_threshold <- 0.5
predicted_classes <- predict(tree, test, type = "vector") >= your_threshold

或者，您可以在训练树Class 之前分解变量。rpart然后将构建一个分类树：

data$Class <- factor(data$Class)
tree <- rpart(Class ~ ., data)
predicted_classes <- predict(tree, test, type = "class") # or type = "c" if you prefer

您的选择 ;) 希望对您有所帮助！

于 2016-06-08T21:25:14.167 回答