使用随机森林在R中指定坏因子水平

我正在R中运行一个带有样本外验证数据的

randomForest

模型：

predictions <- predict(rf, newdata = model_final, type = "prob")

---

忽略特定于我的数据和模型的所有内容，是否有任何方法强制

预测

指定哪些列是具有新因子水平的列？或者是否有另一种快速、程序化的方法来识别有问题的列？

假设训练集和测试集具有相同的列顺序，只需使用单个映射来识别

因子

级别不相同的地方：

示例数据

training <- data.frame(a=as.factor(letters), b=letters, stringsAsFactors=F)
test     <- data.frame(a=as.factor(rep(letters[1:20],3)), b=rep(letters[1:20],3), stringsAsFactors=F)

如果上述结果为假，则训练集和测试集之间的因子水平存在差异。由于它在数字、逻辑或字符列的情况下使用

idential

，因此函数

levels

在

idential

返回TRUE的两种情况下都返回NULL

假设我理解了您在问题中的意思，只需查找从上述函数返回的假列

training <- data.frame(a=as.factor(letters), b=letters, stringsAsFactors=F)
test     <- data.frame(a=as.factor(rep(letters[1:20],3)), b=rep(letters[1:20],3), stringsAsFactors=F)

> mapply(function(x,y) identical(levels(x), levels(y)), training, test )
    a     b 
FALSE  TRUE