使用ranger软件包进行fit_重采样失败

尝试使用交叉折叠重采样并拟合ranger软件包中的随机森林。没有重采样的拟合是有效的，但一旦我尝试重采样拟合，它就会失败，并出现以下错误

考虑以下

df

df<-structure(list(a = c(1379405931, 732812609, 18614430, 1961678341, 
2362202769, 55687714, 72044715, 236503454, 61988734, 2524712675, 
98081131, 1366513385, 48203585, 697397991, 28132854), b = structure(c(1L, 
6L, 2L, 5L, 7L, 8L, 8L, 1L, 3L, 4L, 3L, 5L, 7L, 2L, 2L), .Label = c("CA", 
"IA", "IL", "LA", "MA", "MN", "TX", "WI"), class = "factor"), 
    c = structure(c(2L, 2L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 2L, 1L, 
    2L, 2L, 2L, 1L), .Label = c("R", "U"), class = "factor"), 
    d = structure(c(3L, 3L, 1L, 3L, 3L, 1L, 1L, 3L, 1L, 3L, 1L, 
    3L, 2L, 3L, 1L), .Label = c("CAH", "LTCH", "STH"), class = "factor"), 
    e = structure(c(3L, 2L, 3L, 3L, 1L, 3L, 3L, 3L, 2L, 4L, 2L, 
    2L, 3L, 3L, 3L), .Label = c("cancer", "general long term", 
    "psychiatric", "rehabilitation"), class = "factor")), row.names = c(NA, 
-15L), class = c("tbl_df", "tbl", "data.frame"))

df%
拟合（a~，数据=df）

但只要我想通过

rf_folds <- vfold_cv(df, strata = c)

fit_resamples(a ~ . ,
              rf_spec,
              rf_folds)

---

rf\u folds上面的评论是正确的，这里问题的来源是factor列中的空格。重采样功能和普通旧配件功能目前处理方式不同，我们正在积极研究如何为用户解决这一问题。谢谢你的耐心

同时，我建议设置一个简单的plus a，它将为您处理所有必要的虚拟变量mung

库（tidymodels）
rf_规格%
设置引擎（“游骑兵”）
rf_wf%
添加_型号（rf_规格）%%>%
添加配方（配方（a~，数据=df））
配合（rf_wf，数据=df）
#> ══ 工作流程[培训]═══════════════════════════════════════════════════════════════════════════════════════════
#>预处理器：配方
#>型号：rand_forest（）
#> 
#> ── 预处理器─────────────────────────────────────────────────────────────────────────────────────────────────
#>0配方步骤
#> 
#> ── 模型────────────────────────────────────────────────────────────────────────────────────────────────────────
#>游侠结果
#> 
#>电话：
#>ranger:：ranger（公式=公式，数据=数据，num.threads=1，verbose=FALSE，seed=sample.int（10^5，1））
#> 
#>类型：回归
#>树木数目：500
#>样本量：15
#>自变量数：4
#>Mtry:2
#>目标节点大小：5
#>可变重要性模式：无
#>分割规则：方差
#>OOB预测误差（MSE）：4.7042e+17
#>R平方（OOB）：0.4341146
使用分层的rf#U折叠#10折叠交叉验证
#>#tibble:9 x 4
#>拆分id.metrics.notes
#>                                  
#>1折叠1
#>2折叠2
#>3折叠3
#>4折叠4
#>折叠
#>6折叠6
#>折叠
#>8折叠8
#>折叠

由（v0.3.0）于2020年3月20日创建。
朱莉娅与我打赌，让她得到报应。我得到了相同的答案（我做了她做的事情，但速度较慢）：

这是一种bug，我们一直在努力使它不会出错。这很复杂。让我解释一下

ranger
是其公式方法不创建伪变量（因为它不需要伪变量）的少数R包之一

tune
中的基础结构使用
工作流
包处理公式，然后将结果数据交给
ranger
。默认情况下，工作流会创建虚拟变量，并且由于您的某些因子级别不是有效的R列名（例如，
“常规长期”
），因此，
ranger（）
会引发错误

（我知道你没有使用工作流，但这就是幕后发生的事情）

我们正在做最好的事情，因为大多数用户不知道许多基于树的模型包不会生成虚拟变量。更复杂的是，
parsnip
还没有使用工作流，也没有给你一个错误

目前的解决方案

使用简单的配方代替配方：

库（tidymodels）
#> ── 附加包─────────────────────────────────────────────────────────────────────────────────── tidymodels 0.1.0──
#> ✓ 扫帚0.5.4✓ 配方0.1.10
#> ✓ 刻度盘0.0.4✓ rsample 0.0.5
#> ✓ dplyr 0.8.5✓ tibble 2.1.3
#> ✓ ggplot2 3.3.0✓ 调谐0.0.1
#> ✓ 推断0.5.1✓ 工作流0.1.0
#> ✓ 欧防风0.0.5✓ 尺度0.0.5
#> ✓ purrr 0.3.3
#> ── 冲突────────────────────────────────────────────────────────────────────────────────────── tidymodels_冲突（）──
#>x purrr:：discard（）遮罩比例：：discard（）
#>x dplyr:：filter（）屏蔽stats:：filter（）
#>x dplyr:：lag（）屏蔽stats:：lag（）
#>x ggplot2:：margin（）屏蔽拨号：：margin（）
#>x配方：：步骤（）遮罩统计：：步骤（）
df#A tibble:9 x 4
#>拆分id.metrics.notes
#> *                                
#>1折叠1
#>2折叠2
#>3折叠3
#>4折叠4
#>折叠
#>6折叠6
#>折叠
#>8折叠8
#>折叠
#仅供参考`tune`0.0.2将需要不同的参数顺序：
#rf\u规格%>%fit\u重采样（配方（a~，数据=df），rf\u折叠）

由（v0.3.0）
于2020-03-20创建，似乎是一个问题，列中的空格值被转换为虚拟变量
rf_folds <- vfold_cv(df, strata = c)

fit_resamples(a ~ . ,
              rf_spec,
              rf_folds)