代码之家 › 专栏 › 技术社区 › AdeeThyag

错误:至少有一个类级别不是有效的R变量名

r-caret random-forest machine-learning r

AdeeThyag · 技术社区 · 6 年前

我正在尝试使用R中的插入符号包在数据集上实现随机林。查看此站点上的前面示例,我更改了列名和因子级别。似乎什么都没用。一次又一次地犯同样的错误。以下是我的代码、数据集结构和错误:

model_rf = train(Promoted ~ Department + Region+ Education+Gender+ RecruitmentChannel+TrainingNumber+Age+LengthOfService +EmployeePerformance+AvgTrainingPerformance, data=train, method='rf', tuneLength=5, trControl = fitControl)
model_rf
predicteds_rf <- predict(model_rf, newdata=test)

错误:至少有一个类级别无效 R变量名;当类概率为因为变量名将转换为不是。升职了,已升级。请使用可以用作有效的R变量名(请参见?制造商名称寻求帮助)。

> str(trainData)
'data.frame':   54808 obs. of  12 variables:
 $ EmployeeID            : int  65438 65141 7513 2542 48945 58896 20379 16290 73202 28911 ...
 $ Department            : Factor w/ 9 levels "Analytics","Finance",..: 8 5 8 8 9 1 5 5 1 8 ...
 $ Region                : Factor w/ 34 levels "region_1","region_10",..: 32 15 11 16 19 12 13 28 13 1 ...
 $ Education             : Factor w/ 4 levels "","Bachelor's",..: 4 2 2 2 2 2 2 4 2 4 ...
 $ Gender                : Factor w/ 2 levels "f","m": 1 2 2 2 2 2 1 2 2 2 ...
 $ RecruitmentChannel    : Factor w/ 3 levels "other","referred",..: 3 1 3 1 1 3 1 3 1 3 ...
 $ TrainingNumber        : Factor w/ 5 levels "Average training",..: 5 5 5 3 5 3 5 5 5 5 ...
 $ Age                   : Factor w/ 3 levels "Middle Age","Old",..: 1 3 1 1 1 1 1 1 3 1 ...
 $ LengthOfService       : Factor w/ 6 levels "Junior","Mid Level",..: 6 2 6 6 1 6 2 2 2 2 ...
 $ EmployeePerformance   : Factor w/ 7 levels "Average Performer",..: 4 3 5 7 5 5 5 5 3 4 ...
 $ AvgTrainingPerformance: Factor w/ 6 levels "Average","Below Average",..: 5 1 2 2 4 6 2 1 6 2 ...
 $ Promoted              : Factor w/ 2 levels "Not Promoted",..: 1 1 1 1 1 1 1 1 1 1 ...

0 回复 | 直到 6 年前

Agile Bean 6 年前

不

包含空格
是空字符串

如您所见,您的数据帧包含所有三个。

这些需求的存在是因为每当caret::train()运行基于树的模型(这里是random forests)时,它都会将因子级别转换为用于拆分树的变量。因此,因子级别标签成为变量名。

因此,对于这些变量中的每一个,可以使用以下代码将级别名称转换为有效标签。

trainData %>% 
  mutate(Education = factor(Education, 
          labels = make.names(levels(Education))))

labels = 你能做到的 levels = -后者更改数据,而前者更改显示(例如,通过打印(数据帧))。

推荐文章

Chris · ROC公制in train(),插入符号包

7 年前

Marco · 调谐器插入符号长度

7 年前

B. Sharp · 插入符号使用插入符号序列对象返回的预测与使用提取的最终模型返回的预测不同

7 年前

Copenhagen_PDS · prediction\u regression\u tree\uCaret“[.data.frame”(m,labs)中出错:选择了未定义的列

7 年前

Hanjo Odendaal · 使用配方和插入符号预处理的差异

7 年前

mlevy · 插入符号中的折叠与训练错误

7 年前

onur Ã¶ztornacÄ± · 插入符号包中的数据分区和过度拟合

7 年前

JFG123 · 如何对样本数据集进行分层,使用插入符号进行统计分析,并在r中重复?

7 年前

user23148 · 线性回归(特征选择)的插入符号向前跳跃更改nvmax

7 年前

user3245256 · r: 对于相同的λ,glmnet和caret的系数不同

7 年前