首页 文章

R - 基于多个字段（因子）进行预测，但不是整个数据帧

提问于
浏览 次
0

好的，我有一个数据框，包含对9个变量的250个观测值 . 为简单起见，我们只标记它们A - I.

我已经完成了所有标准的东西（将事物转换为int或factor，创建数据分区，测试和训练集等） .

我想要做的是使用A列和B列，并预测列E.我不想使用整个九列，只有这三列才能进行预测 .

我只尝试使用预测中的有限列，如下所示：

myPred <- predict(rfModel, newdata=myData)

其中rfModel是我的模型，myData只包含我想要使用的两个字段，作为数据帧 . 不幸的是，我收到以下错误：

predict.randomForest（rfModel，newdata = myData）中的错误：newdata中缺少训练数据中的变量

老实说，我对R很新，我甚至不确定这是否可行 . 我认为我正在收集的数据（九个字段）对于“训练”非常重要，但我无法弄清楚如何仅使用“结果”字段（在本例中为字段E）进行预测，另外两个字段（A和B），并保留其他重要数据 .

任何意见是极大的赞赏 . 如有必要，我可以发布一些代码 .

我只是想了解更多关于这样的事情 .

r random-forest

2 回答

  • 0

    假设您使用随机森林方法：

    library(randomForest)
model <- randomForest(E ~ A+ B - c(C,D,F,G,H,I), data = train) 
pred <- predict(model, newdata = test)

    正如您在此示例中所看到的，只有A和B列用于构建模型，其他列将从模型构建中删除（但不会从数据集中删除） . 如果你想要包括所有这些（E~ . ） . 这也意味着如果您基于所有列构建模型，您需要在测试集中包含这些列，如果没有它们，预测将无法工作 . 如果测试数据只有A和B列，则必须根据它们构建模型 .

    希望它有所帮助

    回复于
  • 0

    正如我在上面的评论中提到的，也许您应该仅使用 A 和 B 列来构建模型 . 如果你不想这样做，那么一个解决方法可能就是在调用 predict 时简单地使用其他列的中值 . 像这样的东西：

    myData <- cbind(data[, c("A", "B)], median(data$C), median(data$D), median(data$E),
                median(data$F), median(data$G), median(data$H), median(data$I))
myPred <- predict(rfModel, newdata=myData)

    这将允许您使用当前模型，使用9个预测变量构建 . 当然，除了 A 和 B 之外，您将假设所有预测变量的平均行为，这可能与仅在 A 和 B 上构建的模型的行为不同 .

    回复于

相关问题