运行 randomForest 时出错：找不到对象答案

【问题标题】：Error in running randomForest : object not found运行 randomForest 时出错：找不到对象
【发布时间】：2016-05-06 14:27:33
【问题描述】：

所以我正在尝试为我的数据集拟合一个随机森林分类器。我对 R 很陌生，我想这是一个简单的格式问题。

我读入一个文本文件并将我的数据集转换为以下格式：（取出机密信息）

>head(df.train,2)

   GOLGA8A     ITPR3   GPR174  SNORA63    GIMAP8     LEF1    PDE4B LOC100507043    TGFB1I1    SPINT1
Sample1  3.726046 3.4013711 3.794364 4.265287 -1.514573 7.725775 2.162616    -1.514573 -1.5145732 -1.514573
Sample2 4.262779 0.9261892 4.744096 7.276971 -1.514573 4.694769 4.707387     2.031476 -0.8325444  2.615991
...
...
CD8B     FECH    PYCR1 MGC12916     KCNA3 resp
Sample1  -1.514573 2.099336 3.427928 1.542951 -1.514573    1
Sample2 -1.145806 1.204241 2.846832 1.523808  1.616791    1

本质上，列是我的特征，行是我的样本，最后一列是我的响应向量，它是一列因子。

然后我使用：

set.seed(1) #Set the seed in order to gain reproducibility

RF1 = randomForest(resp~., data=df.train,ntree=1000,importance=T,mtry=3)

只需尝试使用其他列作为特征来训练我的列 resp 上的 RF。

但我得到错误：

Error in eval(expr, envir, enclos) : object 'PCNA-AS1' not found

但是，查看我的训练集，我可以清楚地找到该列，例如：

sort(unique(colnames(df.train))

所以我真的不明白错误或从这里去哪里。如果我没有以正确的方式提出问题，我深表歉意，感谢您的任何帮助！

【问题讨论】：

您能否将此作为可重现的示例（也就是提供导致错误的df.train 的示例数据）？

标签： r machine-learning random-forest

【解决方案1】：

我怀疑这是因为您的数据框中有一个非法的变量名。让我们考虑一个只有一个响应变量 resp 和一个名为 PCNA-AS1 的变量（非法）的数据框：

(dat <- structure(list(`PCNA-AS1` = c(1, 2, 3), resp = structure(c(2L, 2L, 1L), .Label = c("0", "1"), class = "factor")), .Names = c("PCNA-AS1", "resp"), row.names = c(NA, -3L), class = "data.frame"))
#   PCNA-AS1 resp
# 1        1    1
# 2        2    1
# 3        3    0

现在，当我们训练一个随机森林时，我们会得到指示的错误：

library(randomForest)
mod <- randomForest(resp~., data=dat)
# Error in eval(expr, envir, enclos) : object 'PCNA-AS1' not found

这个问题的一个自然解决方案是将你的变量名转换为合法的：

names(dat) <- make.names(names(dat))
dat
#   PCNA.AS1 resp
# 1        1    1
# 2        2    1
# 3        3    0
mod <- randomForest(resp~., data=dat)

现在模型训练没有错误。

【讨论】：

感谢您的评论 Josilber，我尝试转换为合法名称，但这不是问题。错误实际上是我给了 randomForest 一个矩阵（而不是数据框），我认为这无关紧要，并且 randomForest 可以轻松地在两者之间转换。但是我错了，所以我现在解决了这个问题。
@AHawks 好的，那么您更有理由编辑您的问题以使其可重现！（也包括复制问题所需的代码和数据）。尝试将数据框中的列减少到可以重现问题的最小数量，然后发布该数据集（如果您还没有首先弄清楚发生了什么）。
是的，你绝对正确，那会更好，我会为以后的问题这样做，只是习惯在堆栈溢出时在这里提出问题，所以谢谢你的建议！

【解决方案2】：

总之，这是一个非常新手的错误，我输入的是矩阵而不是导致此错误的 data.frame。为什么它抱怨那个特定的专栏（这不是第一个）与另一个我仍然不明白的相比。感谢所有的帮助。干杯，安东尼

【讨论】：

创建/转换 data.frame 时，check.names=TRUE。因此，输入 data.frame 可以解决问题，因为非法的 col.names 会被编辑。一般来说，randomForest 给 data.frame 带来的问题比矩阵少得多
这不是答案，而是对真实答案的评论，应标记为已接受。