RRF 模型给出的测试集 NA

Question

我正在研究回归问题。我在 R 中使用 RRF 来解决这个问题。我制作了两个不同的数据集，一个用于训练，另一个用于测试。

    library(RRF)
    train=read.csv('training_data.csv'.header=F)
    model <- RRF(as.numeric(V128) ~ .,data=train, flagReg = 1,importance=TRUE,ntree=1000, keep.forest=TRUE,type=regression,na.action=na.roughfix)
    print(model)
    Call:
    RRF(formula = as.numeric(V128) ~ ., data = train, flagReg = 1,         importance = TRUE, ntree = 1000, keep.forest = TRUE, type = regression,      na.action = na.roughfix) 
           Type of random forest: regression
                 Number of trees: 1000
    No. of variables tried at each split: 2656

    Mean of squared residuals: 0.03509357
                % Var explained: 81.5

现在，当我使用这个模型来预测测试集时。

    test = read.csv('testing_data.csv',header=F)
    predict(model,test,type="response")

所有测试数据集都给出 NA。当我尝试训练数据集时，它仍然给我相同的结果。这是我完全没想到的。

当我运行时

    predict(model,new_data=test,type="response") 

或

    predict(model,new_data=train,type="response") 

返回object中的袋外预测。这意味着未给出数据。我应该怎么做才能得到预测？之后我还想找到预测的准确性或性能。

Answer 1

我现在也遇到同样的问题。 This answer已经帮助我确定了 NA 预测概率的原因。简短的答案:你的特征(或预测变量)中存在 NA。

我还在寻找建模过程其余部分的解决方案。当我有足够的信息来解决您的其余问题时，我会回来更新此答案。

伦巴...