アイリス データセットを使用する、この CRAN ドキュメント ( https://cran.r-project.org/web/packages/FSelector/FSelector.pdf ) の 4 ページから最適な最初の検索の正確なコードを使用しています。虹彩データセットでは問題なく動作しますが、自分の ndata では動作しません。私のデータには 37 の予測変数 (数値とカテゴリの両方) があり、38 番目の列はクラス予測です。
エラーが発生します：
Error in predict.rpart(tree, test, type = "c") :
Invalid prediction for "rpart" object
私はこの行から来ていると思います：
error.rate = sum(test$Class != predict(tree, test, type="c")) / nrow(test)
デバッグとトレースバックを試しましたが、このエラーが発生する理由がわかりません (前述のように、虹彩データでは再現できません)。
ここに私のデータの一部を示しますので、私が取り組んでいるものを見ることができます:
> 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