随机森林文本分类在预测中提供额外的行

Question

我正在使用随机森林进行文本分类。我的输入数据有 17197 行。

> nrow(sparse_4testing)
[1] 17197

我正在使用

set.seed(123)
tweetRand = randomForest(label ~ ., data = train_sparse, importance=TRUE, nTree=500)

predicrRand_test=predict(tweetRand, data=sparse_4testing)
q1=data.frame(ifelse(predicrRand_test>0.5,1,0))

问题是当我进行健全性检查时，我在 q1 中得到了额外的行

> nrow(q1)
[1] 22373  

我不明白这个问题。我是机器学习的新手。请帮帮我。 我有多次 运行 模型。仍然遇到同样的问题。

> nrow(predicrRand_test)

NULL
> head(predicrRand_test)
            1             3             6             7             9            10 
 1.858321e-01 -8.326673e-17  1.321640e-01  2.222222e-04  2.345304e-02  1.651133e-01 
> head(q1)
   ifelse.predicrRand_test...0.05..1..0.
1                                      1
3                                      0
6                                      1
7                                      0
9                                      0
10                                     1

> length(predicrRand_test)
[1] 22373

Answer 1

问题是由于 predict 中的参数名称错误 - 应该是 newdata，而不是 data (docs):

predicrRand_test=predict(tweetRand, newdata=sparse_4testing)

就像现在一样，您的代码会忽略 data 参数，而只是 returns 对 predicrRand_test 数据帧中训练集的预测。