带有“randomForest”包的不同变量训练/测试集答案

【问题标题】：different variables training/test set with 'randomForest' package带有“randomForest”包的不同变量训练/测试集
【发布时间】：2015-07-20 11:19:48
【问题描述】：

假设我有一个分类问题，想使用 R 中的 randomForest 包来解决这个问题。

在我的训练集中，我想添加一个第三个变量，var3，它是 var1 和 var2 的乘积。因此，训练集将包括 var1、var2、var3 和类变量。

但是，测试集中不存在这个 var3，因此，当我想测试我的模型时，randomForest 会出错：

random forest Error in eval(expr, envir, enclos) : object var3 not found

有没有办法解决这个问题？

【问题讨论】：

【解决方案1】：

使用公式接口构建模型规范中的产品：

    class_var ~ var1 + var2 + I(var1 * var2)

I 函数意味着将计算乘积的值，而不是产生interaction 的结果，如果其中任何一个变量是字符或因子（并且基本上是空操作），这不是数值乘积当它们都是数字时）。这样做可能会出现问题：当 var1 和 var2 的值很大时，估计值周围的误差可能会主导计算。我想运行它可能更安全：

  class_var ~ var1 + var2 + I( scale(var1 * var2) )

【讨论】：

工作就像一个魅力，谢谢 :) 我玩过它，如果你想选择一个列，这也可以：class_var ~ var1 + var2 + I(df$varx)
流程的哪个阶段？当df 是预期的评估框架时，似乎这样做只会使这变得更加复杂。可以使用：class_var ~ var1 + var2 + varx
感谢您的跟进！这也是在训练过程中。当我按照您的建议进行操作时，我再次收到错误（找不到对象 varx），因为该变量不存在于测试集中。但是，添加交互我没有收到错误。
我不明白，但听起来好像没关系，因为你有一个有效的过程。
我可能解释错了嘿嘿。在这种情况下，我假设varx 是我想用来训练我的随机森林模型的某个变量。但是这个变量不包含在（单独的）测试集中。添加交互功能似乎可以解决问题！