在测试数据集上进行预测时，randomForest 模型中缺少对象

Question

对不起，如果已经问过了，但我在半小时内找不到它，所以如果你能指出一些方向，我将不胜感激。

我在模型中缺少对象时遇到了麻烦，而我在构建模型时实际上并没有使用这个对象，它只是存在于数据集中。 （如下例所示）。

这是一个问题，因为我已经训练了一些射频模型，我正在将模型加载到环境中，并且我正在按原样重复使用它们。测试数据集不包含构建模型的数据集中存在的一些变量，但它们并未在模型本身中使用！

library(randomForest)
data(iris)

smp_size <- floor(0.75*nrow(iris))
set.seed(123)
train_ind <- sample(seq_len(nrow(iris)), size = smp_size)

train <- iris[train_ind, ]
test <- iris[-train_ind, ]

test$Sepal.Length <- NULL  # for the sake of example I drop this column

rf_model <- randomForest(Species ~ . - Sepal.Length, # I don't use the column in training model
                         data = train)

rf_prediction <- predict(rf_model, newdata = test)

当我尝试对测试数据集进行预测时，出现错误：

Error in eval(expr, envir, enclos) : object 'Sepal.Length' not found

我希望实现的是使用我已经构建的模型，因为在不丢失变量的情况下重做它们会很昂贵。

感谢您的建议！

Answer 1

因为您的模型已经建成。在运行模型之前，您需要将缺失的列添加回测试集。只需添加值为 0 的缺失列，如下例所示。

library(randomForest)
library(dplyr)
data(iris)

smp_size <- floor(0.75*nrow(iris))
set.seed(123)
train_ind <- sample(seq_len(nrow(iris)), size = smp_size)

train <- iris[train_ind, ]
test <- iris[-train_ind, ]

test$Sepal.Length <- NULL  

rf_model <- randomForest(Species ~ . - Sepal.Length, 
                         data = train)

# adding the missing column to your test set.
missingColumns <- setdiff(colnames(train),colnames(test))
test[,missingColumns] <- 0 



rf_prediction <- predict(rf_model, newdata = test)

rf_prediction

#showing this produce the same results
train2 <- iris[train_ind, ]
test2 <- iris[-train_ind, ]

test2$Sepal.Length <- NULL  
train2$Sepal.Length <- NULL  

rf_model2 <- randomForest(Species ~ ., 
                         data = train2)


rf_prediction2 <- predict(rf_model2, newdata = test2)

rf_prediction2 == rf_prediction