R因子examcard有了新的水平

我使用C5.0在R中建立了一个分类模型，如下所示：

library(C50)
library(caret)
a = read.csv("All_SRN.csv")
set.seed(123)
inTrain <- createDataPartition(a$anatomy, p = .70, list = FALSE)
training <- a[ inTrain,]
test <- a[-inTrain,]
Tree <- C5.0(anatomy ~ ., data = training, 
            trControl = trainControl(method = "repeatedcv", repeats = 10,
                                     classProb = TRUE))
TreePred <- predict(Tree, test)

TreePred <- predict(Tree, test_add)

此处，test\u add包含已存在的测试集和一组新值，学习者在执行时未能对新值进行分类，并抛出以下错误：

Error in model.frame.default(object$Terms, newdata, na.action = na.action, : factor examcard has new levels

我尝试使用以下方法将新因子级别与现有因子级别合并：

Tree$xlevels[["examcard"]] <- union(Tree$xlevels[["examcard"]], levels(test_add$examcard))

---

feaure examcard在分类中占据着很大的首要地位，因此不可忽视。如何对这些值集进行分类？

您无法为训练集中缺少的测试集中的因子水平创建预测。您的模型将没有这些新因子级别的系数

如果要进行70/30分割，则需要使用

caret:：CreateDataPartition

…重新划分数据

。。。或您自己的分层采样函数，以确保所有级别都在培训集中表示：使用“拆分-应用-合并”方法：通过examcard拆分数据集，并对每个子集应用拆分，然后合并培训子集和测试子集

---

有关更多详细信息，请参阅。

我使用

caret:：CreateDataPartition

对数据集进行分区。在阅读CSV文件时，我还使用了

stringAsFactors=FALSE

，因为如果是因子，则级别将是预定义的，学习者将无法识别传递给它的任何新数据。既然如此，学习者

C50:：C5.0

只识别因子结果。@NeelimaSeshadri您应该在问题中包含

CreateDataPartition

语句，因为这是问题的根源。你应该考虑在<代码>示例卡>代码>（或者可能是一个虚拟的因素，比如<代码>粘贴（解剖学，示例卡，SEP＝“x”）<代码>，以保持类平衡，这取决于数据集的大小）。另外，在划分之前，应该考虑因子分解<代码>示例卡< /C>和其他变量，这样训练和测试数据集之间的水平是一致的。在训练集中存在但在测试集中不存在的值是什么？这还不包括在分层样本中，对吧？@天真的宝贝，我觉得你不理解我。分层是分区过程的一部分（适用于100%的数据）。然后，您将确保每个级别的因子都出现在培训（70%）和测试集（30%）中。唯一可能出现问题的情况是，该级别极不频繁（在数据集中仅出现1-3次）。你可以手动将它们强制加入训练集中。我理解你的建议。我试图用具有新值集的数据验证模型。我已经用前面划分为70:30的training and test对模型进行了测试，现在我为模型提供了具有相同实例但不同值的值，这些值在training和test中都不存在。另外，您的意思是说，如果学员不知道某个值，则必须再次对其进行分层，以便将其作为培训数据的一部分吗？如果这很复杂，我很抱歉

predict code called exit with value 1