R 插入符号：$finalModel$predicted 的值和通过 predict() 获得的值

Question

为了说明$finalModel$predicted 和predict() 计算的值之间的区别，我设置了以下代码：

library(caret)
library(randomForest)

dat <- data.frame(target = c(2.5, 4.5, 6.1, 3.2, 2.2),
              A = c(1.3, 4.4, 5.5, 6.7, 8.1),
              B = c(44.5, 50.1, 23.7, 89.2, 10.5),
              C = c("A", "A", "B", "B", "B"))

control <- trainControl(method="repeatedcv", number=10, repeats=3,     search="grid", savePred =T)

tunegrid <- expand.grid(.mtry=c(1:3))

set.seed(42)
rf_gridsearch <- train(target ~ A + B + C, 
                   data = dat, 
                   method="rf",
                   ntree = 2500, 
                   metric= "RMSE", 
                   tuneGrid=tunegrid, 
                   trControl=control)

dat$pred_caret <- rf_gridsearch$finalModel$predicted

dat$pred <- predict(object = rf_gridsearch, newdata = dat[,2:4])
dat$pred2 <- predict(object = rf_gridsearch$finalModel, newdata = dat[,2:4])

这段代码的最后一行给出了错误信息

Error in predict.randomForest(object = rf_gridsearch$finalModel, 
newdata = dat[,  : variables in the training data missing in newdata

如何将$finalModel 与预测一起使用？

为什么dat$pred_caret 列中的数据与dat$pred 不同？这两个预测有什么区别？

Answer 1

已经有很多与此问题相关的问题。见

• Using randomForest package in R, how to get probabilities from classification model?
• The Effect of Specifying Training Data as New Data when Making Random Forest Predictions in R
• R random forest inconsistent predictions
• Error when using predict() on a randomForest object trained with caret's train() using formula
• Different results with randomForest() and caret's randomForest (method = "rf")

在 SO 和 Question 1、Question 2、Question 3、Question 4、Question 5 在 Stats.SE 上。

---

作为 Stats.SE 提到的几个答案，dat$pred_caret 与 dat$pred 不同，因为 predict.train 使用整个训练集，而 predict.randomForest 我们有这个

newdata - 包含新数据的数据框或矩阵。 （注：如果不是 给定，对象中的袋外预测被返回。

其中rf_gridsearch$finalModel$predicted基本相同

randomForest:::predict.randomForest(rf_gridsearch$finalModel)

因为rf_gridsearch$finalModel 是randomForest 类的对象。也就是说，不会提供newdata。

至于错误，它与train 和randomForest 对待数据不同的事实有关。这一次不是关于缩放或居中，而是关于创建假人。特别是，randomForest 正在寻找C 变量（因子），而train 创建了虚拟变量CB <- 1 * (C == "B")。因此，您可以复制predict.train 的结果

predict(object = rf_gridsearch$finalModel, 
        newdata = model.matrix(~ A + B + C, dat[, 2:4])[, -1])

在哪里

model.matrix(~ A + B + C, dat[, 2:4])[, -1]
#     A    B CB
# 1 1.3 44.5  0
# 2 4.4 50.1  0
# 3 5.5 23.7  1
# 4 6.7 89.2  1
# 5 8.1 10.5  1