带有party包的随机林无法处理超过4个级别的分类预测值

我正在尝试使用

party

包运行一个随机林模型。我的响应变量（10级）是不同湖泊类型的分类值（感兴趣的是哪些因素影响基于水质属性的湖泊聚类）。我的预测变量包括连续变量和分类变量。一个分类变量有4个级别，另一个分类变量有8个级别（湖泊所在的美国州）。每当我在模型中包含第二个分类变量时，就会出现以下错误：

Error in model@fit(data, ...) : error code 1 from Lapack routine 'dgesdd'. 

我已经能够将范围缩小到这样一个事实，

party

包中的

cforest

例程在预测变量具有超过4个分类级别时似乎没有运行。我不确定这是否适用于其他数据集，或者只是我的一个特征。谷歌表示，错误代码可能与收敛问题有关。是否有人知道

cforest

例程中关于分类预测值级别的限制（例如

randomForest

包中的

randomForest

有32个级别的限制）？我还没有看到任何关于

派对

套餐的明确讨论。一种解决方案是将该因子重新编码为单独的虚拟变量，但我希望避免这种情况。基于我的数据的特征（相关预测因子、不同水平的因素、连续和分类数据的混合）

如有任何见解，将不胜感激

链接到虚拟数据集（真实数据只是有限数量的变量）：

---

我遇到了一个类似的问题。 在对某些数据运行以下命令时，我遇到了相同的错误：

tree = ctree(Y~., data=df[,-c(1,11:15)], controls = controls)

其中给出：

Error in model@fit(data, ...) : 
  error code 19 from Lapack routine 'dgesdd'

除了响应之外，所有变量都是数字。 我可以通过将代码更改为：

tree = ctree(Y~., data=df[,-c(1,11,12,13,14,15)], controls = controls)

所以，我想，这是一个错误。但或许你也可以用类似的方式来解决：

data.cforest = cforest(response ~., data=new.data,controls=data.controls)

---

但是，您的代码不会在我的计算机上导致错误，但运行良好，因此我无法对其进行测试。

我发现了无法复制的相同问题。在我的例子中，我通过手动将列的分类设置为character，后跟factor解决了这个问题。也就是说：data$classifier=as.factor（as.character（data$classifier））

延迟回答，但仍然是一个答案

---

我也有同样的问题。通过关闭并重新打开R-Studio解决了这个问题。在我看来，这似乎是caret和party软件包之间的冲突，两者都加载了。只要我只装了党的包裹，问题就解决了。

你为什么反对把州政府拖出去？这并不是说因子是有序的，我是随机森林模型的新手，一开始我不确定在变量重要性图中，用8个变量代表状态和一个参数来解释结果是否会更难。我一直在深入研究示例，这可能不是一个有根据的问题。您可以发布您的

sessionInfo（）

？你的代码对我来说很好。我将在上面发布我的会话信息。当我在你的评论后仔细查看数据时，我意识到我发布的数据文件是将factor2分解为4级后生成的数据文件。我已经更新了数据文件，所以它是正确的。谢谢。我在运行带有分类预测的cforest时也遇到了这个问题。我在中得到错误'error'model@fit（数据…）：Lapack例程“dgesdd”中的错误代码1。奇怪的是，从一个500棵树的集合到一个10棵树的集合消除了这个错误——然而，一个10棵树的集合显然不会消除这个错误。下面提供的解决方案似乎都不适合我。

tree = ctree(Y~., data=df[,-c(1,11,12,13,14,15)], controls = controls)

data.cforest = cforest(response ~., data=new.data,controls=data.controls)