当有缺失数据时，用R随机林对新数据进行预测

我想预测包含NA行的新数据。 我需要保持这些行在输入数据和预测输出中具有相同的行数。 我怎样才能用一个随机森林模型来训练R插入符号呢？ 我为predict函数的参数na.action尝试了不同的值，例如：

predictions = predict(RF_model, newdata = newdata, type = "prob", na.action = "na.exclude")

使用

na.exclude

和

na.omit

删除行。使用

na.pass

时，我得到一个错误输出“缺少值”

---

编辑：模型已经过训练，我们正在讨论对全新数据的预测，其中一些预测并不好。我知道我们无法预测这些糟糕的数据，但我需要跟踪这些行。

我想我知道你想要什么。您希望采用经过训练的模型，并对可能缺少值的新数据进行预测。对于那些缺少值的行，您希望预测值为

NA

，而不是插补缺少的值

这里有一种方法可以做到这一点。我甚至可以维持原来的行顺序。假设您的新数据位于名为

new\u data

的data.frame中，而经过训练的随机林模型名为

my\u-forest

。用对象的名称替换这些名称。我还假设了一个回归模型。如果这是一个分类问题，让我知道，我可以修改代码

这里有一个逐步的方法来解释我们正在做什么

library(tidyr)
library(dplyr)
new_data <- new_data %>% rowid_to_column() # add column with rownumber
new_data_na <- new_data %>%
  filter(!complete.cases(.))  # save those rows with NA in separate data.frame
new_data_complete <- new_data %>%
  filter(complete.cases(.))   # keep only those rows with no NA
new_data_complete$predicted <- predict(my_forest, newdata = new_data_complete) # make predictions
new_data_na$predicted <- NA_real # ensure that that NA is the same data type
new_data_predicted <- rbind(new_data_na, new_data_complete)  # bind rows
arrange(new_data_predicted, rowid) # return data to original order

---

这是数据科学中常见的问题。您要做的是插补缺失值，但有多种策略可供选择。在您的情况下（或任何情况下），哪一个是最好的并不是堆栈溢出的主题，因为这不是一个编程问题。但是，如果您有一种特定的插补方法，您正在努力在R中实现，这是在主题上。不，我不想插补缺失值，我想保留这些缺失值的行，以便用户知道数据不适合预测。所以问题是：如何在预测输出中使用NA。在这里，我的输入和输出有不同的行数，因此我无法绑定数据帧以向用户显示完整的结果。我原以为使用na.exclude可以达到目的，但事实并非如此。它就像一个符咒！非常感谢。

library(dplyr)
new_data %>%
  mutate(predicted = case_when(complete.cases(.) ~ predict(my_forest, newdata = .),
                               TRUE ~ NA_real)