77 
library(randomForest)
rf.model <- randomForest(WIN ~ ., data = learn)

我想拟合一个随机森林模型，但我收到了这个错误：

Error in na.fail.default(list(WIN = c(2L, 1L, 1L, 2L, 1L, 2L, 2L, 1L,  : 
missing values in object

我的数据框学习了 16 个数字属性，WIN 是一个级别为 0 1 的因素。

4

3 回答 3

122

我对这个问题的最初反应是，它没有表现出太多的研究努力，因为“每个人”都知道随机森林不会处理预测变量中的缺失值。但是经过检查?randomForest，我必须承认，这可能会更加明确。

（尽管，文档中链接到的 Breiman 的PDF确实明确表示根本不处理缺失值。）

我能看到的官方文档中唯一明显的线索是na.action参数的默认值为na.fail，这对于新用户来说可能太神秘了。

在任何情况下，如果您的预测变量有缺失值，您（基本上）有两种选择：

  1. 使用不同的工具（rpart很好地处理缺失值。）
  2. 估算缺失值

毫不奇怪，该randomForest包具有执行此操作的功能，rfImpute. 文档?rfImpute贯穿了其使用的基本示例。

如果只有少数案例有缺失值，您也可以尝试设置na.action = na.omit为简单地删除这些案例。

当然，这个答案有点猜测你的问题实际上只是缺少值。

于 2011-12-04T02:10:54.097 回答
33

randomForest 包所基于的 Breiman 随机森林实际上确实处理了预测变量中的缺失值。在 randomForest 包中，您可以设置

   na.action = na.roughfix

它将首先对缺失值使用中值/模式，然后它会生成一个森林并计算近似值，然后使用这些新填充的值等迭代并构建一个森林。这在 randomForest文档 (p10)中没有得到很好的解释。它只说明

.... NA 被列中位数替换 .... 这被用作通过随机森林估算缺失值的起点

在 Breiman 的主页上，您可以找到更多信息

missfill= 1,2 对训练集（如果等于 1）和更仔细的替换（如果等于 2）执行缺失值的快速替换。

mfixrep= k with misfill=2 使用仅在训练集上进行 k 次迭代的近似替换进行较慢但通常更有效的替换。（需要 nprox >0）。

于 2019-07-08T14:21:53.607 回答
5

如果缺失值可能提供信息，那么您可以输入缺失值并添加额外的二进制变量（使用new.vars<-is.na(your_dataset)）并检查它是否降低错误，如果new.var设置太大而无法添加，your_dataset那么您可以单独使用它，使用varImpPlot并将它们添加到your_dataset，您也可以尝试添加单个变量来your_dataset计算NA's 的数量new.var <- rowSums(new.vars)

这不是题外话的答案，如果缺失的变量能够提供信息，则可以纠正仅由于不完美的插补程序而导致的模型误差增加。

缺失值是信息丰富的，然后它们是由于非随机原因而出现的，这在社会实验环境中特别常见。

于 2017-02-19T13:01:16.030 回答