在R中使用rpart包时，为决策树模型选择所有变量时出错
可能是由于以下原因之一：
- 数据集中存在缺失值：rpart包在构建决策树模型时要求数据集中没有缺失值。可以通过使用na.omit()函数或者其他缺失值处理方法来处理数据集中的缺失值。
- 数据集中包含非数值型变量：rpart包只能处理数值型变量，如果数据集中包含非数值型变量（如字符型变量），需要将其转换为数值型变量。可以使用factor()函数将字符型变量转换为因子型变量，然后再进行模型构建。
- 数据集中存在重复的观测值：rpart包要求数据集中的观测值是唯一的，如果数据集中存在重复的观测值，可能会导致模型构建出错。可以使用duplicated()函数检查数据集中是否存在重复的观测值，并进行相应的处理。
- 数据集中的变量之间存在高度相关性：rpart包在构建决策树模型时，要求变量之间不存在高度相关性。如果数据集中的变量之间存在高度相关性，可以考虑进行变量选择或者使用其他方法来处理相关性。
推荐的腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
以上是针对在R中使用rpart包时为决策树模型选择所有变量时出错的可能原因和解决方法的综合回答。请根据具体情况进行适当调整和处理。
相关·内容
1回答
有没有一种方法可以快速决定哪些变量用于模型拟合和选择？
machine-learning、model、regression
我为一个项目加载了一个包含156个变量的数据集。我们的目标是找出一个模型来预测测试数据集。我对从哪里开始感到困惑。通常我会从基本的线性回归模型开始，但是有156列/变量，应该如何从模型构建开始？谢谢!
浏览 0提问于2019-12-30得票数 1
1回答
为什么当我试图在决策树中建立一个混淆矩阵时会出错呢？
r、decision-tree
我正在学习如何在r中使用决策树。
我做了一个模型并做了一个预测。我想检查我的模型的准确性。但是，当我试图使用表函数创建混淆矩阵时，我得到的是错误：
表中的错误(test_data$Outcome，谓词)：所有参数必须具有相同的长度
我使用的代码是：
data = read.csv("C:/Users/VIJAY/Desktop/ML/logistic regression/diabetes.csv")
head(data)
dim(data)
library(rpart)
library(rpart.plot)
library(caret)
s = sampl
浏览 0提问于2019-06-05得票数 0
1回答
如何在回归模型中识别合适的预测因子
r、predictive-modeling
我有一个大的数据，并希望执行一些预测模型(如回归，决策树，..)但我有个问题。由于变量太多，是否有任何方法可以确定在模型中使用哪些变量作为预测变量来预测某个特定变量？任何帮助都将不胜感激。
浏览 0提问于2017-08-17得票数 2
2回答
在样本外数据集上使用词袋分类器
r、random-forest、missing-data、text-classification、document-classification
我最近使用词袋分类器制作了一个包含96%术语的文档矩阵。然后，我使用决策树对输入的词袋进行模型训练，以做出句子是否重要的预测。该模型在测试数据集上表现得非常好，但当我使用样本外的数据集时，它无法预测。相反，它会给出错误。
这是我在R中制作的模型
library('caTools')
library('tm')
library('rpart')
library(rpart.plot)
library(ROCR)
data= read.csv('comments.csv', stringsAsFactors = FALSE)
cor
浏览 4提问于2014-10-09得票数 4
1回答
变量重要性比决策树图显示更多的变量。
r、caret、rpart
我用R.中的Caret库对我的数据安装了一个rpart模型--“离开一个交叉验证”，但是我想了解模型的变量重要性和决策树图之间的区别。
使用函数varImp()调用变量的重要性将显示9个变量。使用fancyRpartPlot()或rpart.plot()等函数绘制决策树显示的决策树仅使用、两个变量对所有主题进行分类。
怎么可能呢？为什么决策树图没有显示变量重要性表中相同的九个变量？
谢谢。
浏览 6提问于2021-11-29得票数 2
回答已采纳
1回答
标称属性的虚拟编码.使用K值的效果.属性选择的效果
attributes、statistics、data-mining、weka、regression
总结一下我对‘虚拟编码’主题的理解，通常被理解为编码一个标称属性，K可能值为K-1二进制虚拟。据我所知，K值的使用会造成冗余，并会产生负面影响，例如对logistic回归的影响。到目前为止，一切对我来说都很清楚。
，但我还不清楚两个问题：
1)考虑到上述问题，我感到困惑的是，WEKA中的“Logistic”分类器实际上使用K个假人(见图)。为什么会是这样呢？
2)当我考虑属性选择时，就会出现一个问题。如果在模型中实际使用了所有假人，则左出属性值隐式包含为零，如果缺少一个假人(在属性选择中没有选择)，则不再清楚地包含该属性值。我上传的草图很容易理解这个问题。如何处理这一问题？
第二点
图像
WE
浏览 0提问于2013-08-25得票数 2
回答已采纳
1回答
二值连续输入R中的决策树
r、machine-learning、decision-tree、rpart
我们正在用连续输入和二进制输入建立决策树的模型。我们正在分析天气对自行车行为的影响。线性回归表明“雨”对自行车数量有很大的影响。我们的雨变量是二进制，表示每小时下雨的状态。
使用rpart创建决策树并不包括作为节点的“雨”，尽管我们期望它对自行车的数量有很大的决定性作用。这可能是由于雨变量的分类所致。Rpart似乎更喜欢使用连续变量(如温度)作为决策节点。
对于rpart如何决定是否使用连续变量或二进制变量作为决策节点，我们应该知道什么？有可能控制这种变量的选择吗？
library("rpart") fit <- rpart(bikecount ~ df.weather$
浏览 3提问于2015-12-04得票数 0
3回答
使用插入包的k-折叠交叉验证模型
r、cross-validation、r-caret、rpart
首先，我要说，我读过许多关于交叉验证的文章，而且似乎有很多混淆之处。我对此的理解很简单：
执行k-折叠交叉验证，即10倍，以了解10倍的平均误差。
如果可以接受，则在完整的数据集上对模型进行培训。
我试图在R中使用rpart并利用caret包构建一个决策树。下面是我正在使用的代码。
# load libraries
library(caret)
library(rpart)
# define training control
train_control<- trainControl(method="cv", number=10)
# train the
浏览 0提问于2015-11-02得票数 10
2回答
caret rpart决策树绘制结果
r、decision-tree、r-caret、rpart
我正在训练一个基于心脏病数据的决策树模型。
由于我还在使用10折CV构建其他模型，因此我尝试使用带rpart方法的插入符号包来构建树。然而，图的结果是奇怪的，因为“海伦”应该是一个因素。为什么会显示"thaliumnormal <0.5"？这是不是意味着，如果"thalium“== normal”，那么走左边的路线"yes"，否则走右边的路线"no"？
非常感谢！
编辑:我很抱歉没有提供足够的背景信息，这似乎造成了一些混乱。"thalium“是一个变量，代表了一种用于检测冠状动脉狭窄(又称狭窄)的技术。它是一个有三
浏览 5提问于2020-01-09得票数 6
2回答
使用rpart构建具有分类变量的分类树
r、decision-tree、rpart
我有一个包含14个特征的数据集，其中很少有如下所示，其中性别和婚姻状况是分类变量。
height,sex,maritalStatus,age,edu,homeType
SEX
1. Male
2. Female
MARITAL STATUS
1. Married
2. Living together, not married
3. Divorced or separated
4. Widowed
5. Single, never married
现在，我正在使用R的
浏览 0提问于2014-11-14得票数 7
回答已采纳
使用约200个观测值和多个变量的数据集。不幸的是，没有一个变量是正态分布的。是否有可能提取一个数据子集，其中至少有一个期望变量将呈正态分布？之后想要做一些统计(至少逻辑回归)。
任何帮助都将不胜感激，
菲尔
浏览 4提问于2021-09-15得票数 0
3回答
R插入符号预测返回的输出比输入少
r、r-caret、rpart
下面我使用caret来训练一个rpart模型。
trainIndex <- createDataPartition(d$Happiness, p=.8, list=FALSE)
dtrain <- d[trainIndex, ]
dtest <- d[-trainIndex, ]
fitControl <- trainControl(## 10-fold CV
method = "repeatedcv", number=10, repeats=10)
fitRpart <- train(Happiness ~ ., data=dtrain, m
浏览 1提问于2015-06-07得票数 8
回答已采纳
2回答
使用列车命令通过CrossValidation构建购物车模型时预测功能的问题
r、classification、r-caret、rpart
我正在尝试使用“插入”包的训练函数通过交叉验证来构建购物车模型。
我的数据是4500 x 110数据帧，其中所有的预测变量(除了前两个，UserId和YOB (出生年份)，我没有用来建模)都是两个水平的因子，除了因变量是整数类型(虽然只有两个值1和0)。性别是自变量之一。
当我运行rpart命令来获取购物车模型(使用包"rpart")时，我的预测函数没有任何问题。但是，我希望通过交叉验证来改进模型，因此使用了“脱字符”包中的训练函数和以下命令：
tr = train(y ~ ., data = subImpTrain, method = "rpart", trC
浏览 6提问于2014-04-17得票数 2
3回答
Python中决策树的序数特性
decision-trees
我有一个带有序数features.Each特性的数据集，可能有6到7个级别。基于我对R的搜索，如果你有序数数据，rpart对序数和标称的处理方式不同。https://stats.stackexchange.com/questions/94502/decision-tree-splitting-factor-variables
但是现在我正在用Python实现决策树，没有任何东西可以与rpart相比来处理序数数据。Python似乎不能很好地处理分类数据，我不得不使用一种热编码。在这种情况下，级别1到级别2到level3......to级别6的顺序就会消失。
https://stackoverfl
浏览 0提问于2019-09-05得票数 0
1回答
从函数自动构建决策树
algorithm、automation、decision-tree
(如果这个问题有点头脑风暴，很抱歉)
我有一个函数F，参数是a_1, a_2...和b，它输出x。该函数还由可能在我工作期间更改的一系列p_1, p_2...参数定义。
F(a_1, a_2... , b) = x
考虑到a_1, a_2...，我想要构建一个决策树算法，该算法可以为函数F找到最小化x的b。我想自动化这个决策树构建器，以便容纳F的更改(通过p_1, p_2...)。
自动化过程非常重要，因为在实践中，a_x可以是任何东西(整数、连续数、离散参数)，而F是高度非线性的。
我本能的想法之一是建立假样本，并在数据集上学习决策树，这将给我所需的决策树。但是，这似乎过于复杂，因为我已经访
浏览 0提问于2019-06-04得票数 0
回答已采纳
1回答
生成SHAP依赖图
r、shap
是否有一个包允许为非基于XGBoost或决策树的模型的多个观测值估计shap值？我用Caret和NNET创建了一个神经网络。我想开发一个蜂温图和形状依赖图，以探讨我的模型中的某些变量与结果之间的关系。我唯一的成功是使用DALEX包来估计SHAP值，但是DALEX只对单个实例这样做，不能使用SHAP值进行全局分析。任何洞察力或帮助都将不胜感激！
我试过使用不同的shap包(快速成形，shapr)，但这些需要基于决策树的模型。我试着用插入符号创建一个XGBoost模型，但是这个模型在r中的shap包中没有很好地实现，并且无法得到我想要的结果。
浏览 4提问于2022-12-03得票数 0
1回答
R中的递归分区
r、party
我的目标是根据几个客户属性(人口统计，过去的购买类别等)更好地预测公司客户群的购买习惯。我有一个大约100,000名回头客的数据集，包括距离他们最后一次购买的时间间隔(本研究中的因变量)以及几个属性(包括连续和分类)。
我计划对每个部分(定义为在观察中具有相似时间间隔的部分)进行生存分析，以帮助了解购买之间可能的时间间隔。我遇到的问题是如何最好地定义这些段；即属性分组，使得段之间的时间间隔足够不同，段内的时间间隔相似。我认为构建决策树是实现这一点的最好方法，我想使用递归分区。
我是R的新手，使用过party包的mob命令，但是我对模型中应该包含哪些变量以及分区中应该包含哪些变量感到困惑(命令：
浏览 1提问于2012-08-24得票数 2
回答已采纳
4回答
由具有不同特征的数据序列预测
machine-learning、feature-scaling
我正在研究一个数据点有不同特征的问题。
每个实例表示整个系统中项目的进度。其中一些已发展到终点，另一些则仍处于中间阶段。已知的阶段数(总共10个)。我有时间让它进入每个阶段。关键是要预测他们什么时候会到达最后的阶段。
有很多方法来处理这个问题。似乎决策树能够正确地处理这一问题。即使不知道某一阶段的进入时间，它也应该能够从它所拥有的数据中作出合理的预测。
有人能给我指明正确的方向吗？
浏览 0提问于2018-05-08得票数 7
1回答
基于KNN的缺失数据估算
missing-data、data-imputation
-我有一个数据集，其中包含了大多数变量的缺失数据。假设数据集如下所示：
Obs. var1 var2 var3 var4 var5 var6
1 x11 x12 x13 x14 Nan Nan
2 x21 x22 x23 Nan x25 x26
3 x31 x32 x33 x34 x35 x36
...
n xn1 xn2 xn3 xn4 Nan xn6
我已经将数据集拆分为d1，其中包含所有变量的完整数据，以及d2，其中所有记录至少有一个缺失变量。
我使用KNN建立了不
浏览 0提问于2017-03-26得票数 2
回答已采纳
2回答
当我的专栏中有50%的数据丢失时，我该怎么办？
classification、pandas、data-imputation
我有一个数据集，我正在预处理。然而，在我的分类专栏(其中3篇)中，我有"??“就在这地方。它们占数据的50%。实际上，有3列有这样的内容。我的问题是我该怎么推测呢？我要替换吗？或者我用NaN代替它。
由于我的最终目标是一个分类问题，我将应用各种算法，如NB分类器，随机森林，决策树，K邻域。有时候，你的过错与否并不重要，因为有些阿尔戈斯会为你这样做。
浏览 0提问于2020-02-04得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
