物体中的缺失值-R中的随机森林混淆矩阵
物体中的缺失值-R中的随机森林混淆矩阵
提问于 2016-01-29 19:10:04
我试图在拟合模型之后得到混淆矩阵，但没有成功。相反，使用相同的代码和决策树，没有问题。这是我的密码：
library(caret)
library(randomForest)
training <- read.csv("https://d396qusza40orc.cloudfront.net/predmachlearn/pml-training.csv", na.strings=c("#DIV/0!"), row.names = 1)
to_exclude <- nearZeroVar(training)
training <- training[, -to_exclude]
set.seed(1234)
train_idx <- createDataPartition(training$classe, p = 0.8, list = FALSE)
train <- training[train_idx,]
validation <- training[-train_idx,]
rf_model <- randomForest(classe ~ . , data=train, method="class")
rf_validation <- predict(rf_model, validation, type="class")
confusionMatrix(rf_validation, validation$classe)这就是错误：
Na.fail.default中的错误(classe= c(1L，1L，1L，1L，1L，1L，1L，1L，1L)：对象中缺少的值
我也试过这样做：
table(rf_validation, validation$classe)导致了同样的错误。如果我用：
dt_model <- rpart(classe ~ ., data=train, method="class")相反，一切都很好。
我遗漏了什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-01-29 19:46:21
正如@lukeA所提到的，由于NA值，我遇到了问题。另一个对我有用的选择是进一步清理我的数据。
training <- training[, colSums(is.na(training)) == 0]删除NA值所形成的特征。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/35092222
复制相关文章
相似问题
腾讯云开发者
