随机森林预测

Posted 2023-03-12

【中文标题】随机森林预测

【英文标题】：Random Forest Predictions

【发布时间】：2014-08-07 15:12:59

【问题描述】：

我正在为我正在为一堂课做的家庭作业寻找一些指导。我们得到一个包含 14K 观测值的数据集，并要求我们建立一个预测模型。我将数据集子集到训练和测试中（4909 个观察），这里我使用 caret 包，它预测最后一个变量“classe”。我提取了接近零的变量并建立了模型，但是当我尝试进行预测时，我只得到了 97 个预测。我查看了帮助文件，但仍然无法弄清楚我哪里出错了。任何提示将不胜感激。

代码如下：

  set.seed(1234)
  pml.training <- read.csv("./data/pml-training.csv")
  #
  library(caret) 
  inTrain <- createDataPartition(y=pml.training$classe, p=0.75, list=FALSE)
  training <- pml.training[inTrain,]
  testing <- pml.training[-inTrain,]

  # Pull out the Near Zero Value (NZV)
  nzv <- nearZeroVar(training, saveMetrics=TRUE)
  omit <- which(nzv$nzv==TRUE)
  training <- training[,-omit]
  testing <- testing[,-omit]

  # Fit the model 
  modFit <- train(classe ~., method="rf", data=training)
  modFit
  print(modFit$finalModel)
  plot(modFit)

  # Try and predict on the testing model 
  pred <- predict(modFit, newdata=testing)
  testing$predRight <- pred==testing$classe
  print(table(pred, testing$classe))

谢谢，帕特 C。

【参考方案1】：

你检查了吗

sum(complete.cases(subset(testing, select = -classe)))

?

【讨论】：

是的，它是 97，所以预测函数只预测完整的类，因此我应该估算数据。

@ptcesq 否。算法无法预测那些缺少预测变量值的情况/观察。它预测所有预测值都可用的情况（在这种情况下为 97）。如果你想预测其余的，你要么需要在训练中忽略那些在测试集中大部分缺失的变量，要么在测试集中估算缺失值。

谢谢，我会试试 rfImpute()。