R MLR包：停止MakeClasstTask删除测试集的空因子级别

我有一个二进制分类问题，涉及分类预测变量

Var1

&

Var2

：

> head(traindata)

#  ID   Var1 Var2 response
# 1 101   -2   0      0
# 2 201    0  -1      1
# 3 301    0  -2      0
# 4 401   -1   0      0
# 6 501    0  -1      1

训练集包括所有

-2，-1,0

作为

Var1

的级别，但测试集不包括

-1

作为

Var1

的输入

我确实确保

Var1

包含测试集中的所有级别：

testdata$Var1 <- factor(testdata$Var1, levels = levels(traindata$Var1)

我收到一条警告，说明已删除列的空因子级别：

Var1

我还尝试设置了

fixup.data=“no”

参数。它给出了以下错误：

testtask <- makeClassifTask(data = testdata, target = "response", positive = "1", fixup.data = "no")

# Error in (function (cn, x)  :
#   Column 'Var1' contains empty factor levels.

---

testtask由于您不理解我的评论，因此我将此作为答案发布。以下是使用mlbench数据集Sonar的可复制示例：

library(mlr)
library(mlbench)
library(caret)

data(Sonar)

拆分为训练集和测试集：

ind <- createDataPartition(Sonar$Class, p = 0.8, list = FALSE)
train.Sonar <- Sonar[ind,]
test.Sonar <- Sonar[-ind,]

ind给出以下参数。您需要使用
check.data
和
fixup.data
。希望这有帮助：）

语法：

testtask = makeClassifTask(data = testdata, target = "response", positive = "1",fixup.data = "no",check.data = FALSE)

为什么要用测试数据来做任务？为什么要保持空因子水平？它不会改变任何东西，一些学习者会打破空因子级别。@如果我没有弄错的话，使用mlr包预测对象需要属于“任务”类。如果我尝试使用带有
predict（）
函数的数据帧，它会抛出断言错误。@Larskothoff我需要测试数据集中的级别相同，否则当我尝试使用删除级别的测试任务进行预测时，会出现以下错误：
predict.randomForest中的错误（.model$learner.model，newdata=.newdata，：新数据中的预测值类型与训练数据的类型不匹配。
使用mlr获取预测值不需要任务对象，可以使用数据帧。通常，使用单个任务和重采样描述，按您喜欢的方式对数据进行分区。啊！这是一个愚蠢的错误。感谢您的澄清是的，它现在开始工作了。这是因为
predict（）
函数本身。我应该在列出参数值时包含“newdata”。
task <- makeClassifTask(data = train.Sonar, target = "Class",  positive = "R")
lrn <- makeLearner("classif.rpart", predict.type = "prob")
mod <- mlr::train(lrn, task) #caret trains masks mlr train 

pred <- predict(mod, newdata = test.Sonar)
pred
#output
Prediction: 41 observations
predict.type: prob
threshold: M=0.50,R=0.50
time: 0.00
   truth     prob.M    prob.R response
2      R 0.86956522 0.1304348        M
3      R 0.86956522 0.1304348        M
6      R 0.86956522 0.1304348        M
13     R 0.07692308 0.9230769        R
22     R 0.11111111 0.8888889        R
25     R 0.07692308 0.9230769        R
... (#rows: 41, #cols: 4)

pred <- predict(mod, test.Sonar)

testtask = makeClassifTask(data = testdata, target = "response", positive = "1",fixup.data = "no",check.data = FALSE)