r - 运行 randomForest 时出错 : object not found

Question

所以我试图为我的数据集拟合一个随机森林分类器。我对 R 非常陌生，我想这是一个简单的格式问题。

我读入一个文本文件并转换我的数据集，使其具有以下格式:(取出 secret 信息)

>head(df.train,2)

   GOLGA8A     ITPR3   GPR174  SNORA63    GIMAP8     LEF1    PDE4B LOC100507043    TGFB1I1    SPINT1
Sample1  3.726046 3.4013711 3.794364 4.265287 -1.514573 7.725775 2.162616    -1.514573 -1.5145732 -1.514573
Sample2 4.262779 0.9261892 4.744096 7.276971 -1.514573 4.694769 4.707387     2.031476 -0.8325444  2.615991
...
...
CD8B     FECH    PYCR1 MGC12916     KCNA3 resp
Sample1  -1.514573 2.099336 3.427928 1.542951 -1.514573    1
Sample2 -1.145806 1.204241 2.846832 1.523808  1.616791    1

本质上，列是我的特征，行是我的样本，最后一列是我的响应向量，它是一列因子。

然后我使用:

set.seed(1) #Set the seed in order to gain reproducibility

RF1 = randomForest(resp~., data=df.train,ntree=1000,importance=T,mtry=3)

简单地尝试使用其他列作为特征来训练我的列resp上的 RF。

但是我收到错误:

Error in eval(expr, envir, enclos) : object 'PCNA-AS1' not found

但是，查看我的训练集，我可以清楚地找到该列，例如:

sort(unique(colnames(df.train))

所以我真的不明白这个错误或从这里去哪里。如果我没有以正确的方式提出问题，我深表歉意，感谢您的帮助!

Answer 1

我怀疑这是因为数据框中存在非法变量名称。让我们考虑一个只有一个响应变量 resp 和一个名为 PCNA-AS1 的变量(非法)的数据帧:

(dat <- structure(list(`PCNA-AS1` = c(1, 2, 3), resp = structure(c(2L, 2L, 1L), .Label = c("0", "1"), class = "factor")), .Names = c("PCNA-AS1", "resp"), row.names = c(NA, -3L), class = "data.frame"))
#   PCNA-AS1 resp
# 1        1    1
# 2        2    1
# 3        3    0

现在，当我们训练随机森林时，我们会得到指示的错误:

library(randomForest)
mod <- randomForest(resp~., data=dat)
# Error in eval(expr, envir, enclos) : object 'PCNA-AS1' not found

此问题的一个自然解决方案是将变量名称全部转换为合法的:

names(dat) <- make.names(names(dat))
dat
#   PCNA.AS1 resp
# 1        1    1
# 2        2    1
# 3        3    0
mod <- randomForest(resp~., data=dat)

现在模型训练没有错误。