6

キャレット パッケージを使用して分類ツリーを実行するのに数日間苦労しています。問題は私の因子変数です。ツリーを生成しますが、最適なモデルを使用してテスト サンプルを予測しようとすると失敗します。これは、train 関数が因子変数のダミーを作成し、予測関数がこれらの新しく作成されたダミーをテスト セットで見つけることができないためです。 . この問題にどう対処すればよいですか？

私のコードは次のとおりです。

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)

トレーニング/テスト用の str() 関数のサンプルを以下に示します。

 $ 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

次に、私のコードは次のようになります。

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)

のサンプル

summary(tree1$finalModel)

ここにある

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

そして、ここにエラーがあります：

model.tree1 <- predict(tree1$finalModel,testing) eval(expr、envir、enclos) のエラー: オブジェクト 'sect_isodev1' が見つかりません

私はまだ別のことに興味があります。Max Kuhn の "Predictive Modeling with R" で、次の構文を見つけました。

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

ここrpartTune$finalModelで、私のものと同一の分類木 (または私のものと同一のもの) を分類します。現在、R は type="class" を受け入れません。type="prob" のみ。そのせいで困っています。

ご回答ありがとうございます。

4

2 に答える 2

9

私が知る限り、2 つの問題があります。

  • predictR は の適切な関数を見つけることができません。tree1$finalModelこれは がクラス であるpredict.rpartためです。私もそのエラーを受け取りますが、残念ながら根本的な理由はわかりません。これが、R が を受け入れない理由でもあります。それを受け入れるだろう。tree1$finalModelrparttype = "class"predict.rpart
  • 関数trainに x および y オブジェクトの代わりに数式を指定すると、sect_isodev1後で変数が見つからないという問題が発生します。

strx および y オブジェクトを使用してランダム データ (に似ている) でエラーを再現した後、私のために働いたpredict.rpartから明示的に呼び出します。rpart

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")

ちなみに、オブジェクトで使用するpredict(tree1, testing)ことを意味するも機能し、予測されたクラスを返します。編集: Max が指摘したように、通常は、別の機能を機能させるよりも、このアプローチを使用する方が適切です。predict.traintrainpredict

于 2014-12-18T19:57:48.060 に答える