预测变量中不允许出现随机森林错误 NA答案

【问题标题】：random forest error NA not permitted in predictors预测变量中不允许出现随机森林错误 NA
【发布时间】：2013-05-01 05:55:11
【问题描述】：

您好，我正在使用以下 r 脚本构建随机森林：

# load the necessary libraries                      
library(randomForest)


testPP<-numeric()


# load the dataset
QdataTrain <- read.csv('train.csv',header = FALSE)
QdataTest <- read.csv('test.csv',header = FALSE)

QdataTrainX <- subset(QdataTrain,select=-V1)
QdataTrainY<-as.factor(QdataTrain$V1)   

QdataTestX <- subset(QdataTest,select=-V1)
QdataTestY<-as.factor(QdataTest$V1)
mdl <- randomForest(QdataTrainX, QdataTrainY)

我在哪里得到以下错误：

Error in randomForest.default(QdataTrainX, QdataTrainY) : 
  NA not permitted in predictors

但是我的数据中没有出现 NA。

这里是我的数据供参考：

https://docs.google.com/file/d/0B0iDswLYaZ0zUFFsT01BYlRZU0E/edit

有谁知道为什么会抛出这个错误？在此期间，我会继续寻找。提前感谢您的帮助！

【问题讨论】：

您是否尝试过调用建模函数的常用公式方法，即randomForest(V1 ~ ., data=QdataTrain)？会不会出现同样的问题？
也试试traceback()：运行你的脚本，当它失败时，输入traceback()作为下一个命令，看看是哪个子命令或函数抛出了这个错误。
我无法重现错误（我评论了所有测试相关数据）
@e4e5f4 试试这个docs.google.com/file/d/0B0iDswLYaZ0zUFFsT01BYlRZU0E/…
确实有一些缺失值。我已经展示了找到它们的步骤。

标签： r random-forest

【解决方案1】：

给定的数据确实包含一些缺失值（特别是 7 个）：

sapply(QdataTrainX, function(x) sum(is.na(x)))

## V2  V3  V4  V5  V6  V7  V8  V9 V10 V11 V12 V13 V14 V15 V16 
## 0   0   0   0   0   0   0   0   0   0   0   0   0   0   0 
## V17 V18 V19 V20 V21 V22 V23 V24 V25 V26 V27 V28 V29 
## 0   0   0   0   0   0   1   1   1   1   1   1   1

因此，V23 到 V29 列各有一个缺失值

which(is.na(QdataTrainX$V23))

## 318

为此提供行号。

【讨论】：