R 随机林不生成错误率

我正在使用randomforest分析一个包含600行21个变量的训练集

# Construct Random Forest Model
rfmodel <- randomForest(default ~ .,
                    data = train.df,
                    ntree = 500,
                    mtry = 4,
                    importance = TRUE,
                    LocalImp = TRUE,
                    replace = FALSE)
print(rfmodel)

#构建随机森林模型
rfmodel rfmodel警告消息：
>在随机林中。默认值（m，y，…）：
>响应具有五个或更少的唯一值。你确定你想做什么
>回归？
>打印（rfmodel）
>电话：
randomForest（公式=default~，数据=train.df，ntree=500，mtry=4，重要性=TRUE，局部mp=TRUE，替换=FALSE）
随机森林类型：回归
树木数目：500
每次拆分时尝试的变量数：4
残差平方平均值：0.1577596
%Var解释：23.89

由于某种原因，它缺少混淆矩阵。当我尝试生成err.rate时，它给出以下信息：

头部（rfmodel$err.rate）
空的

---

我认为您希望进行分类，但默认值被视为一个数字变量。尝试

类（train.df$default）

。如果这实际上是一个数值变量，那么在运行RF之前，您需要将其转换为一个因子。

所以我的问题是，我在这里做错了什么？我需要基于“默认值”（可观察变量）的OOB、0和1的混淆矩阵。不要在注释中添加问题-编辑问题。你是对的-我应该将其转换为因子。非常感谢。

> rfmodel <- randomForest(default ~ .,
+ data = train.df,
+ ntree = 500,
+ mtry = 4,
+ importance = TRUE,
+ LocalImp = TRUE,
+ replace = FALSE)

> Warning message:
> In randomForest.default(m, y, ...) :
> The response has five or fewer unique values. Are you sure you want to do 
> regression?

 > print(rfmodel)

>Call:
 randomForest(formula = default ~ ., data = train.df, ntree = 500,      mtry = 4, importance = TRUE, LocalImp = TRUE, replace = FALSE) 
           Type of random forest: regression
                 Number of trees: 500
No. of variables tried at each split: 4

      Mean of squared residuals: 0.1577596
                % Var explained: 23.89