eval（expr、envir、enclose）中出错：找不到对象“V2”

为什么我会犯这个错误？ 看起来我的svm分类器是基于输出工作的，但是其余的都不工作。我用R中给定的iris数据集尝试了这一点，下面的代码工作得非常好。但是，当尝试使用加载的数据集运行时，它不会

错误：

Error in eval(expr, envir, enclos) : object 'V2' not found

代码：

结构

> str(balance_data)
'data.frame':   625 obs. of  5 variables:
 $ V1: Factor w/ 3 levels "B","L","R": 1 3 3 3 3 3 3 3 3 3 ...
 $ V2: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V3: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V4: int  1 1 1 1 1 2 2 2 2 2 ...
 $ V5: int  1 2 3 4 5 1 2 3 4 5 ...
> str(X_train)
'data.frame':   500 obs. of  4 variables:
 $ V2: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V3: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V4: int  1 1 1 1 1 2 2 2 2 2 ...
 $ V5: int  1 2 3 4 5 1 2 3 4 5 ...
> str(X_test)
'data.frame':   122 obs. of  4 variables:
 $ V2: int  5 5 5 5 5 5 5 5 5 5 ...
 $ V3: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V4: int  1 1 2 2 2 2 2 3 3 3 ...
 $ V5: int  4 5 1 2 3 4 5 1 2 3 ...
> str(Y_train)
 Factor w/ 3 levels "B","L","R": 1 3 3 3 3 3 3 3 3 3 ...

您的错误来自rpart函数

从rpart文档中：

用法

论据

公式： 一个公式，有响应但没有交互项。如果这是一个 数据来自E，作为模型框架，请参见model.frame

所以你需要一些类似的东西：

data_train <- head(balance_data,100)
...
tree_model <- rpart(V1 ~ V2 + V3 + V4, data_train) 

取决于你的型号

> str(balance_data)
'data.frame':   625 obs. of  5 variables:
 $ V1: Factor w/ 3 levels "B","L","R": 1 3 3 3 3 3 3 3 3 3 ...
 $ V2: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V3: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V4: int  1 1 1 1 1 2 2 2 2 2 ...
 $ V5: int  1 2 3 4 5 1 2 3 4 5 ...
> str(X_train)
'data.frame':   500 obs. of  4 variables:
 $ V2: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V3: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V4: int  1 1 1 1 1 2 2 2 2 2 ...
 $ V5: int  1 2 3 4 5 1 2 3 4 5 ...
> str(X_test)
'data.frame':   122 obs. of  4 variables:
 $ V2: int  5 5 5 5 5 5 5 5 5 5 ...
 $ V3: int  1 1 1 1 1 1 1 1 1 1 ...
 $ V4: int  1 1 2 2 2 2 2 3 3 3 ...
 $ V5: int  4 5 1 2 3 4 5 1 2 3 ...
> str(Y_train)
 Factor w/ 3 levels "B","L","R": 1 3 3 3 3 3 3 3 3 3 ...

rpart(formula, data, weights, subset, na.action = na.rpart, method,
  model = FALSE, x = FALSE, y = TRUE, parms, control, cost, ...) 

data_train <- head(balance_data,100)
...
tree_model <- rpart(V1 ~ V2 + V3 + V4, data_train)