在 R 中使用 randomForest 时 eval() 出错

Question

我正在尝试使用randomForest 命令

我有一个稀疏矩阵，称为计数，包含单细胞表达数据，还有另一个变量 identity，它具有细胞类型

counts <- t(as.matrix(CountsMatrix))

names(counts) <- make.names(names(counts))

smp_size <- floor(nrow(counts)*0.7)
train_ind <- sample(c(1:nrow(counts)), smp_size)

x_train <- counts[train_ind,]
x_test <- counts[-train_ind,]

y_train <- identity[train_ind]
y_test <- identity[-train_ind]

train_set <- cbind(data.frame(Identity = y_train), as.data.frame(x_train))
forest <- randomForest(Identity ~., data = train_set)

我已将所有数据放在一个数据框中，并在尝试修复错误时添加了 names(counts) <- make.names(names(counts)) 行。

运行此代码时出现错误：

Error in eval(predvars, data, env) : object '0610005C13Rik' not found

我的数据有 16519 列，每列的名称类似于 0610005C13Rik，如果这是问题，我不知道如何重命名所有列。

Answer 1

让我们尝试一些示例数据集，避免使用函数名称作为变量，身份是一个函数，所以：

library(randomForest)
library(Seurat)
CountsMatrix = pbmc_small[["RNA"]]@data
ident = factor(as.numeric(Idents(pbmc_small)==1))

刚好合适：

fit = randomForest(ident ~ .,data=cbind(ident,counts))
Error in eval(predvars, data, env) : object 'HLA-DRA' not found

这里我们像你一样使用 make.names：

counts <- t(as.matrix(CountsMatrix))
names(counts) <- make.names(names(counts))

你有一个矩阵，names() 不起作用。我们可以看看：

head(names(counts))
[1] NA NA NA NA NA NA 

这是您需要修复的列名：

colnames(counts) <- make.names(colnames(counts))

smp_size <- floor(nrow(counts)*0.7)
train_ind <- sample(c(1:nrow(counts)), smp_size)

x_train <- counts[train_ind,]
x_test <- counts[-train_ind,]

y_train <- ident[train_ind]
y_test <- ident[-train_ind]

train_set <- cbind(data.frame(Identity = y_train), as.data.frame(x_train))
forest <- randomForest(Identity ~., data = train_set)

或者你可以简单地这样做：

forest <- randomForest(x=x_train,y=y_train)