我有一个使用包含数字和分类预测变量的插入符包训练的RandomForest模型 . 我试图使用这个训练的模型对新数据集进行预测，该数据集是一个rasterStack，每个预测器包含一个图层 . 我已经使用 raster 包中的 ratify 函数将分类栅格图层转换为因子，并通过添加栅格属性表（RAT）添加了与训练集语法对应的字符串，但是当我预测我得到以下内容时错误：
# Error in predict.randomForest(modelFit, newdata) :
# Type of predictors in new data do not match that of the training data.
我想我可能会以某种方式错误地制定RAT，否则我会误解RAT的功能 . 下面是一个可重复性最小的例子 . 什么出错了？
require(caret)
require(raster)
set.seed(150)
data("iris")
# Training dataset
iris.x<-iris[,1:4]
iris.x$Cat<-"Low"
iris.x$Cat[1:60]<-"High"
iris.x$Cat<-as.factor(as.character(iris.x$Cat))
iris.y<-iris$Species
# Train RF model in Caret
ctrl<-trainControl("cv", num=5, p = 0.9)
mod<- train(iris.x,iris.y,
method="rf",
trControl=trainControl(method = "cv"))
# Create raster stack prediction dataset
r <- raster(ncol=10, nrow=5)
tt <- sapply(1:4, function(x) setValues(r, round(runif(ncell(r),1,5))))
#Categorical raster layer with RAT
r_cat<-raster(ncol=10, nrow=5)
r_cat[1:25]<-1
r_cat[26:50]<-2
ratr_cat <- ratify(r_cat)
rat <- levels(ratr_cat)[[1]]
rat$PCN <- c(1,2)
rat$PCN_level <- c('Low','High')
levels(ratr_cat) <- rat
#Stack raster layers
t.stack <- stack(c(tt,ratr_cat),RAT = TRUE)
#Make sure names in stack match training dataset
names(t.stack)<-c('Sepal.Length','Sepal.Width', 'Petal.Length', 'Petal.Width','Cat')
#Ensure that categorical layer still has RAT and is a factor
t.stack[['Cat']] #yep
is.factor(t.stack[['Cat']]) #yep
#Predict new data using model
mod_pred <- predict(t.stack, mod)
1 回答
因子
RasterLayer（属性层）似乎是（或被处理的）有序因子 . 所以你只需要用有序向量训练模型 . 你可以改变这一行：