用于分类的 R randomForest

Question

我正在尝试使用 randomForest 进行分类，但我反复收到一条错误消息，似乎没有明显的解决方案(randomForest 在过去对我进行回归时效果很好)。我在下面粘贴了我的代码。 “成功”是一个因素，所有因变量都是数字。有关如何正确运行此分类的任何建议？

> rf_model<-randomForest(success~.,data=data.train,xtest=data.test[,2:9],ytest=data.test[,1],importance=TRUE,proximity=TRUE)

Error in randomForest.default(m, y, ...) : 
  NA/NaN/Inf in foreign function call (arg 1)

此外，这里是数据集的示例:

head(data)

success duration  goal reward_count updates_count comments_count backers_count     min_reward_level max_reward_level
True 20.00000  1500           10            14              2            68                1             1000
True 30.00000  3000           10             4              3            48                5             1000
True 24.40323 14000           23             6             10           540                5             1250
True 31.95833 30000            9            17              7           173                1            10000
True 28.13211  4000           10            23             97          2936               10              550
True 30.00000  6000           16            16            130          2043               25              500

Answer 1

除了关于 NA 等存在的明显事实之外，这个错误几乎总是由数据集中字符特征类型的存在引起的。理解这一点的方法是考虑随机森林的真正作用。您正在按功能对数据集功能进行分区。因此，如果特征之一是字符向量，您将如何对数据集进行分区？您需要类别来分区数据。有多少“男性”与“女性” - 类别...

对于年龄或价格等数字特征，您可以通过分桶创建类别；大于某个年龄，小于某个价格等等。你不能用纯粹的性格特征来做到这一点。因此，您需要将它们作为数据集中的因素。