3
我试图在没有成功拟合模型后获得混淆矩阵。使用相同的代码和决策树,相反,没有问题。这是我的代码:对象中的缺失值-R中的随机森林混乱矩阵
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:
Error in na.fail.default(list(classe = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, : missing values in object
我也试试这个:
table(rf_validation, validation$classe)
这就造成了同样的错误。 如果我用:
dt_model <- rpart(classe ~ ., data=train, method="class")
相反,一切工作正常。
我错过了什么?
'randomForest()'''默认'na.action = na.fail'。因此,它打破了(在我的机器上)。例如,如果您愿意忽略“NA”值,您可以将其设置为“na.action = na.omit”。 – lukeA
#coursera问题 – jtlz2