随机森林变量长度不同

Question

我正在尝试使用某个功能作为响应变量来运行 RF。我在将字符串传递给变量以用作 RF 中的响应时遇到问题。首先，我尝试在通过变量传递的字符串上运行 RF 作为响应，但收到“向量长度不同错误”。之后，我尝试输入实际的字符串(功能)作为响应，效果很好。您能解释一下为什么可变长度不同吗？谢谢。

> colnames(Data[1])
[1] "feature1"
> rf.file = randomForest(formula =colnames(Data[1])~ ., data = Data, proximity = T,      importance = T, ntree = 500, nodesize = 3)
Error in model.frame.default(formula = colnames(Data[1]) ~ .,  : 
  variable lengths differ (found for 'feature1')

Enter a frame number, or 0 to exit   

1: randomForest(formula = colnames(Data[1]) ~ ., data = Data, proximity = T, importance = T, ntree = 500, nodesize = 3)
2: randomForest.formula(formula = colnames(Data[1]) ~ ., data = brainDataTrim, proximity = T, importance = T, ntree = 500, nodesize = 3)
3: eval(m, parent.frame())
4: eval(expr, envir, enclos)
5: model.frame(formula = colnames(Data[1]) ~ ., data = Data, na.action = function (object, ...) 
6: model.frame.default(formula = colnames(Data[1]) ~ ., data = Data, na.action = function (object, ...) 

Selection: 0



> rf.file = randomForest(formula =feature1~ ., data = Data, proximity = T,      importance = T, ntree = 500, nodesize = 3)
> rf.file

Call:
 randomForest(formula = feature1 ~ ., data = Data,      proximity = T, importance = T, ntree = 500, nodesize = 3) 
               Type of random forest: regression
                     Number of trees: 500
No. of variables tried at each split: 3

          Mean of squared residuals: 0.1536834
                    % Var explained: 34.21
> 

Answer 1

您只是误解了公式的工作原理。基本上，您的第一次尝试应该不会成功。

公式应包含变量名称，可能是变量的简单函数。例如

var1 ~ var2
var1 ~ log(var2)

请注意缺少引号。如果你没有引用它，它就不是一个字符串，而是一个符号。

因此，请避免在公式中使用原始字符串、奇怪的计算要求(例如 Data[1] 或任何 $ 的使用)。要从字符串构造公式，请将其粘贴在一起，然后对生成的字符串调用as.formula。

请记住，公式的重点是您提供了模型的符号表示，然后 R 将查找您在提供的数据框中指定的特定列。

我认为某些函数会为您强制转换公式的字符串表示形式(例如 "var1 ~ var2")，但我不会指望或期望它。