来自RandomForest的R意外NA输出

Question

我正在处理一个包含大量 NA 的数据集。我知道前 6 列没有任何 NA。由于第一列是 ID 列，因此我将其省略。

我运行以下代码以仅选择在响应列中具有值的行:

sub1 <- TrainingData[which(!is.na(TrainingData[,70])),]

然后我使用以下代码将 sub1 用作随机森林中的数据集:

set.seed(448)
RF <- randomForest(sub1[,c(2:6)], sub1[,70]
    ,do.trace=TRUE,importance=TRUE,ntree=10,,forest=TRUE)

然后我运行这段代码来检查 NA 的输出:

> length(which(is.na(RF$predicted)))
[1] 65

如果输入的数据是干净的，我不明白为什么我会得到 NA。

有什么建议吗？

Answer 1

我认为你应该使用更多的树。因为 predicted 值是袋外集的预测值。如果树的数量非常少，一些情况永远不会出现在袋外集合中，因为这个集合是随机形成的。