R-caret包（rpart）：构建分类树

我花了好几天的时间来使用插入符号包执行分类树。 问题是我的因素变量。我生成了树，但当我尝试使用最佳模型对测试样本进行预测时，它失败了，因为训练函数为我的因子变量创建了假人，然后预测函数无法在测试集中找到这些新创建的假人。我应该如何处理这个问题

我的代码如下：

install.packages("caret", dependencies = c("Depends", "Suggests"))      
library(caret)                                      
db=data.frame(read.csv ("db.csv", head=TRUE, sep=";", na.strings ="?"))     
fix(db)
db$defaillance=factor(db$defaillance)
db$def=ifelse(db$defaillance==0,"No","Yes") 
db$def=factor(db$def)
db$defaillance=NULL
db$canal=factor(db$canal)
db$sect_isodev=factor(db$sect_isodev)
db$sect_risq=factor(db$sect_risq)       

#delete zero variance predictors                                
nzv <- nearZeroVar(db[,-78])
db_new <- db[,-nzv]

inTrain <- createDataPartition(y = db_new$def, p = .75, list = FALSE)                               
training <- db_new[inTrain,]
testing <- db_new[-inTrain,]
str(training)
str(testing)
dim(training)
dim(testing)

然后我的代码是这样的：

fitControl <- trainControl(method = "repeatedcv",
                           number = 10,
                           repeats = 10,
                   classProbs = TRUE,
                   summaryFunction = twoClassSummary)

#CART1
set.seed(1234)
tree1 = train (def~.,
           training,
           method = "rpart",
           tuneLength=20,
           metric="ROC",
           trControl = fitControl)

在这儿吗

RNTB          38.397731
sect_isodev1   6.742289
sect_isodev3   4.005016
sect_isodev8   2.520850
sect_risq3     9.909127
sect_risq4     6.737908
sect_risq5     3.085714
SOLV          73.067539
TRES          47.906884
sect_isodev2   0.000000
sect_isodev4   0.000000
sect_isodev5   0.000000
sect_isodev6   0.000000
sect_isodev7   0.000000
sect_isodev9   0.000000
sect_risq0     0.000000
sect_risq1     0.000000
sect_risq2     0.000000

下面是错误：

---

model.tree1据我所知，有两个问题：

• R无法为

  tree1$finalModel

  找到合适的

  predict

  函数，该函数应为

  predict.rpart

  ，因为

  tree1$finalModel

  属于

  rpart

  类。我也犯了这个错误，不幸的是，我不知道根本原因。这也是R不接受

  type=“class”

  的原因

  predict.rpart

  会接受它
• 为

  train

  函数提供一个公式，而不是x和y对象，会导致以后找不到类似

  sect_isodev1

  的变量的问题

在使用x和y对象使用随机数据（类似于您的

str

）复制错误并从

rpart

显式调用

predict.rpart

后，我的做法是：

tree1 = train (y = training$def,
               x = training[, -which(colnames(training) == "def")],
               method = "rpart",
               tuneLength=20,
               metric="ROC",
               trControl = fitControl)
summary(tree1$finalModel)
# This still results in Error: could not find function "predict.rpart":
model.tree1 <- predict.rpart(tree1$finalModel, newdata = testing)
# Explicitly calling predict.rpart from the rpart package works:
rpart:::predict.rpart(object = tree1$finalModel, 
                      newdata = testing, 
                      type = "class") 

tree1=训练（y=训练$def，
x=训练[，-其中（colnames（training）=“def”）]，
method=“rpart”，
tuneLength=20，
metric=“ROC”，
trControl=fitControl）
摘要（tree1$finalModel）
#这仍然会导致错误：找不到函数“predict.rpart”：
model.tree1除非有很好的理由，否则不要将
predict.rpart
与
train$finalModel
一起使用。
rpart
对象没有；我不知道
train
所做的任何事情，包括预处理。它可能不会给你正确的答案。毕竟，您可能正在使用
train
来避免细节，所以让
预测。train
做这项工作

马克斯

编辑-

关于
type=“class”
和
type=“prob”
位

predict.rpart
默认生成类概率。尽管
rpart
是最早的包之一，但这是非典型的，因为大多数默认情况下都生成类

predict.train
默认生成类，您必须使用
type=“prob”
获取概率

RNTB          38.397731
sect_isodev1   6.742289
sect_isodev3   4.005016
sect_isodev8   2.520850
sect_risq3     9.909127
sect_risq4     6.737908
sect_risq5     3.085714
SOLV          73.067539
TRES          47.906884
sect_isodev2   0.000000
sect_isodev4   0.000000
sect_isodev5   0.000000
sect_isodev6   0.000000
sect_isodev7   0.000000
sect_isodev9   0.000000
sect_risq0     0.000000
sect_risq1     0.000000
sect_risq2     0.000000

predict(rpartTune$finalModel, newdata, type = "class")

tree1 = train (y = training$def,
               x = training[, -which(colnames(training) == "def")],
               method = "rpart",
               tuneLength=20,
               metric="ROC",
               trControl = fitControl)
summary(tree1$finalModel)
# This still results in Error: could not find function "predict.rpart":
model.tree1 <- predict.rpart(tree1$finalModel, newdata = testing)
# Explicitly calling predict.rpart from the rpart package works:
rpart:::predict.rpart(object = tree1$finalModel, 
                      newdata = testing, 
                      type = "class")