R中的randomForest：可以拟合模型并将其用于无误差的预测，但tuneRF给出了差异长度误差

只是搞乱了UCI的心脏病数据：。数据格式如下：

A tibble: 6 x 14
    age   sex    cp trestbps  chol   fbs restecg thalach exang oldpeak
  <dbl> <dbl> <dbl>    <int> <int> <dbl>   <int>   <int> <int>   <dbl>
1    63     1     3      145   233     1       0     150     0     2.3
2    41     0     1      130   204     0       0     172     0     1.4

它是R3.5.0和randomForest 4.6-14

您将在代码中看到一些注释：

1） tuneRF命令使用同一数据集的子集，因此类标签是相同的

2） 在训练/测试划分之前，“目标”响应变量已转换为因子

我有一种感觉，这与我的子集设置方式有关，结果可能是列表而不是数据帧？但是我在前面的步骤中使用了相同的方法，没有错误。我以前发现了一个关于这个的问题，但现在在我的历史记录/谷歌中找不到。即使我能找到它，我也不明白它是如何应用的，因为我以前使用过相同的子集方法，没有任何问题

脚本：

library(tidyverse)
library(randomForest)

我已经添加了匈牙利数据，在通过运行以下命令插补缺失值（并且不想使用响应进行插补）之后：

hungar_heart <- cbind(impute(hungar_heart[,-14]),hungar_heart[,14])

---

hungar_heart太好了-多亏了一些帮助，才解决了这个问题

我应该在我的OP中明确说明我在使用dplyr

事实证明，尽管randomForest和predict在tibbles上可以很好地工作，但tuneRF（或者可能是tuneRF在我的子集设置方式之后）需要一个数据帧，否则会抛出一个错误

V简单修复：

train <- as.data.frame(train)

使用R版本培训
3..3.2
和
randomForest
版本
4.6-14
您的代码正常工作，没有任何错误。好的，很好，我将尝试使用这些版本。我肯定应该指定在我的OP中使用的版本，我将添加。也可能我省略了一些上下文所需的代码。
hungar_heart<-setNames(hungar_heart, c("age","sex","cp","trestbps","chol","fbs","restecg","thalach","exang","oldpeak","slope","ca","thal","target"))
heart_total<-rbind(heart_data,hungar_heart)

heart_total$target <- as.factor(heart_total$target)

#Partition new combined dataset into training and test sets after setting seed (123)
set.seed(123)
indicator <- sample(2, nrow(heart_total), replace = TRUE, prob = c(.7,.3))
train <- heart_total[indicator==1,]
test <- heart_total[indicator==2,]

#Fit random forest to training set, using default values to start.  
forest <- randomForest(target~., data=train)

#Use trained model on test set
predict_try <- predict(forest, test)

#so far so good.  now tuneRF gives error:

tune_RF <- tuneRF(train[,-14],train[,14],
   stepFactor = 0.5,
   plot = TRUE,
   ntreeTry = 300,
   improve = 0.05)

Error in randomForest.default(x, y, mtry = mtryStart, ntree = ntreeTry,  : 
length of response must be the same as predictors
In addition: Warning message:
In randomForest.default(x, y, mtry = mtryStart, ntree = ntreeTry,  :
  The response has five or fewer unique values.  Are you sure you want to do regression?

#FWIW, length:

length(train[,-14])
[1] 13

length(train[,14])
[1] 1

train <- as.data.frame(train)