R的randomForest包中的缺失值错误

Question

我正在使用randomForest 包通过标准过程对二进制结果变量进行分类。我首先必须强制更改所有变量以确保它们是数字，然后使用 na.roughfix 处理缺失值：

data <- read.csv("data.csv")
data <- lapply(data, as.numeric)
data <- na.roughfix(data) 

然后我运行模型：

model <- randomForest(as.factor(outcome) ~ V1 + V2...+ VN, 
         data=data, 
         importance=TRUE,
         ntree=500)

我收到以下错误：

na.fail.default(list(as.factor(outcome) = c(2L, 2L, 1L, : 对象中的缺失值

na.roughfix 插补应该已经解决了这个问题（我之前已经让它工作了，research on here shows that it should work），对吧？有什么建议？

Answer 1

您的lapply 行没有达到您的预期。结果不再是一个数据框，只是一个列表。因此，na.roughfix 的 data.frame 方法没有被调度，只是默认方法，如果它不是原子的，它只会返回它的第一个参数（你的列表显然不是）。

将每列转换为数字但保留数据框属性的有点偷偷摸摸的方法是：

data[] <- lapply(data,as.numeric)

或者，您可以简单地通过as.data.frame 将其转换回来。