r - 使用 R 使用随机森林时出现错误

Question

我使用的数据集包含 mvar_1 作为列，其中包含去年公民投票支持的 5 个政党之一的名称。其他变量只是人口统计变量，如各政党参加集会的数量等。

当我使用以下代码时:

data.model.rf = randomForest(mvar_1 ~ mvar_2 + mvar_3 + mvar_4 + mvar_5 + 
                             mvar_6 + mvar_7 + mvar_8 + mvar_9 + mvar_10 + 
                             mvar_11 + mvar_15 + mvar_17 + mvar_18 + mvar_21 + 
                             mvar_22 + mvar_23 + mvar_24 + mvar_25 + mvar_26 +
                             mvar_28, data=data.train, ntree=20000, mtry=15, 
                             importance=TRUE, na.action = na.omit )

出现此错误消息:

Error in randomForest.default(m, y, ...) : 
  Can not handle categorical predictors with more than 53 categories.

Answer 1

您的 mvar 之一是超过 53 个级别的因子。

您可能有一个具有多个级别的分类变量，例如人口统计组，并且您应该将其聚合为更少的级别才能使用此包。 (有关最佳方法，请参阅 here)

更有可能的是，您错误地输入了一个非分类变量作为因子。在这种情况下，您应该通过正确输入变量来修复它。例如。要从因子中获取数字，请调用 as.numeric(as.character(myfactor))。

如果您不知道因子是什么，那么第二个选项可能就是它。您应该对 data.train 进行摘要，这将帮助您了解哪些 mvar 输入错误。如果 mvar 输入为数字，您将看到最小值、最大值、平均值、中位数等。如果数字变量错误地输入为因子，您将看不到该内容，但会看到数字每个级别的出现次数。

无论如何，调用 summary 都会对您有所帮助，因为它会显示每个因素的级别数。超过 53 个级别的变量导致了该问题。