如何解决 R 中的 randomForest 错误（新数据中的预测变量不匹配）答案

【问题标题】：How to get around randomForest Error in R (Predictors in new data do not match)如何解决 R 中的 randomForest 错误（新数据中的预测变量不匹配）
【发布时间】：2017-02-03 22:06:24
【问题描述】：

我很难对以下错误消息进行故障排除。我正在尝试在 titanic 数据集上做一个随机森林模型。有没有办法解决这个错误？是否有代码可以检查树中的级别？

Error in predict.randomForest(my_rf_model, test1) : Type of predictors in new data
    do not match that of the training data.

【问题讨论】：

标签： r random-forest

【解决方案1】：

这可能是因为test1 中的一个预测变量是一个因子变量，其值在原始数据集中不存在。例如，如果titanic 有一个名为group 的列可以有A 或B 的值，但test1$group 可以有C 的值，那么您会收到该错误。

例如：

data(iris)
iris$group = factor(sample(c("A","B"), nrow(iris), replace=TRUE))
rf <- randomForest(Species ~ ., data=iris)

newdat = iris
newdat$group = "C"

predict(rf, newdata=newdat)

predict.randomForest(rf, newdata = newdat) 中的错误：类型新数据中的预测变量与训练数据中的预测变量不匹配。

【讨论】：

或者如果训练集和测试集的水平不同。假设titanic$group 有“A”和“B”级，但test1$group 是只有“A”级的因素。也就是说，除了导致这种情况的额外关卡之外，还可能缺少关卡。