library(randomForest)
rf.model <- randomForest(WIN ~ ., data = learn)
我想拟合随机森林模型，但出现此错误：
Error in na.fail.default(list(WIN = c(2L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, :
missing values in object
我有 16 个数字属性的数据框学习，WIN 是 0 1 级的一个因素。
【问题讨论】：
标签： r random-forest
我对这个问题的最初反应是它没有显示出太多的研究工作，因为“每个人”都知道随机森林不会处理预测变量中的缺失值。但是在检查?randomForest 时，我必须承认它可能对此更加明确。
（尽管文档中链接到的 Breiman 的 PDF 确实明确表示根本不处理缺失值。）
我在官方文档中看到的唯一明显线索是na.action 参数的默认值是na.fail，这对于新用户来说可能太神秘了。
无论如何，如果您的预测变量有缺失值，您（基本上）有两种选择：
rpart 可以很好地处理缺失值。）毫不奇怪，randomForest 包有一个功能可以做到这一点，rfImpute。 ?rfImpute 的文档贯穿了其使用的基本示例。
如果只有少数个案有缺失值，您也可以尝试设置 na.action = na.omit 以简单地删除这些个案。
当然，这个答案有点猜测，您的问题实际上只是缺少值。
【讨论】：
WIN ~ . 是什么意思吗？这当然不是提出问题的最佳场所，但想知道您是否知道。谢谢。
randomForest 包所基于的 Breiman 随机森林实际上确实处理预测变量中的缺失值。在randomForest包中，可以设置
na.action = na.roughfix
它将首先使用中值/众数作为缺失值，然后它会生成一个森林并计算近似值，然后使用这些新填充的值等进行迭代和构建一个森林。这在 randomForest documentation (p10) 中没有得到很好的解释。它只说明
....NAs 被替换为列中位数 .... 这被用作随机森林估算缺失值的起点
在 Breiman 的 homepage 上，您可以找到更多信息
missfill= 1,2 对训练集的缺失值进行快速替换（如果等于 1）并进行更仔细的替换（如果等于 2）。
mfixrep= k with misfill=2 使用近似值替换，但通常更有效，仅在训练集上进行 k 次迭代。 （需要 nprox >0）。
【讨论】：
如果缺失值可能提供信息，那么您可以输入缺失值并添加其他二进制变量（使用 new.vars<-is.na(your_dataset) ）并检查它是否降低错误，如果 new.var 设置太大而无法将其添加到 @987654323 @ 然后你可以单独使用它，用varImpPlot 选择重要变量并将它们添加到your_dataset，你也可以尝试将单个变量添加到your_dataset，它计算NA 的new.var <- rowSums(new.vars) 的数量
这不是离题的答案，如果缺失的变量能够提供信息，则可以纠正仅由于不完美的插补程序而导致的模型误差增加。
缺失值是信息丰富的，然后它们是由于非随机原因而出现的，这在社会实验环境中特别常见。
【讨论】：