「rpart」對象的預測無效錯誤

我正在使用此CRAN文檔（https://cran.r-project.org/web/packages/FSelector/FSelector.pdf）的第4頁中使用虹膜數據集的最佳第一次搜索的確切代碼。它在虹膜數據集上工作得很好，但對我的數據無效。我的數據有37個預測變量（包括數字和分類），第38列是類別預測。「rpart」對象的預測無效錯誤

，我發現了錯誤：

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

我想這源於此行：

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

我已經試過了調試和追蹤，但我不理解爲什麼這個錯誤正在發生（就像我說的，它不能用虹膜數據重現）。

下面是我的一些數據，所以你可以看到我的工作是什麼：

> 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

來源

2015-11-17 Ashley A Holmes

你能否檢查你提供的網址？它工作不正常。 – DJJ

@AshleyAHolmes你能提供你的完整數據和你正在運行的確切代碼嗎？ –

因爲我不是很熟悉的軟件rpart包呢，我可能是錯的，但我的作品：

嘗試使用type = "vector"而不是type = "c"。變量Class是合乎邏輯的，所以rpart-函數應該已經生成了迴歸樹，而不是分類樹。 predict.rpart的文檔聲明類型class和prob僅用於分類樹。

用下面的代碼，你可以讓你的預言類：

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

另外，您可以因式分解的變量Class之前訓練樹。然後rpart將建立一個分類樹：

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

你的選擇;）希望幫助！

來源

2016-06-08 21:25:14 jonas

「rpart」對象的預測無效錯誤

回答

相關問題