尽管 "na.action" 已设置为 "na.roughfix"，但仍出现缺失值错误

Question

我想用插入符号创建一个随机森林模型。由于训练集中存在缺失值，我在寻找可能的解决方案时遇到了“randomForest”包中的选项“na.roughfix”。如果加载了 randomForest 库，则此选项可以用作插入符号的训练函数中参数“na.action”的参数。在训练函数中，我使用 5 倍 CV 并调整为最佳 ROC 值。我这样做是为了确保其他模型之间的可比性。我为随机森林选择的方法是“游侠”。

但是现在发生了一些奇怪的事情：当我触发train函数时，开始计算，但是例如出现以下错误消息：

Fold5 的模型拟合失败：mtry=7，splitrule=gini，min.node.size=5 错误：列中缺少数据：...

“...”代表出现缺失值的列。此外，无论 mtry 的折叠或值如何，都会出现此错误消息。

我很清楚这些列中有缺失值……这就是我使用 na.roughfix 的原因。我也删除了 NZV，但这也无济于事。

如果有解释甚至解决方案，我会非常高兴！

很多问候

Edit.: 我现在看到，如果我想在 train 函数中选择“na.action”参数，它不会自动出现，它通常会这样做。它似乎以某种方式丢失了......也许这就是插入符号不使用 na.roughfix ...

的原因

编辑。 2: 我想这是问题的一部分。 train 的行为总是不同的，这取决于之前的参数。在我的火车功能中，我使用食谱包中的食谱来删除 NZV。一旦我删除了食谱，na.action 参数就会再次可用。但是，现在 preProcess 参数消失了，这意味着我无法再删除 NZV。这真是一团糟：-/ 是否有可能同时应用 na.action 和 preProcess 参数或针对我的 Missing-Values-NZV 问题的任何其他解决方案？

编辑。 3: 应用户误用的希望，我尝试提供一个代码expamle给你。很遗憾，我的数据比较敏感，无法提供给您，感谢您的理解。

首先，我创建了一个“蓝图”，并将其交给训练函数。在这里，我删除了近零方差变量。

blueprint <- recipe(target ~ ., data = train_data) %>%
step_nzv(all_predictors())

在下一步中，我定义了 trainControl

train_control <- trainControl(method = "cv",
                    number = 5,
                    classProbs = TRUE,
                    summaryFunction = twoClassSummary,
                    verboseIter = TRUE)

和一个网格：

hyper_grid <- expand.grid(mtry=c(1:(ncol(train_data)-1)),
                      splitrule = c("gini", "extratrees"),
                      min.node.size = c(1, 3, 5, 7, 10))

最后，我把它们都放在了训练函数中：

tuned_rf <- train(
blueprint,
data = train_data,
method = "ranger",
metric = "ROC",
trControl = train_control,
tuneGrid = hyper_grid,
na.action = na.roughfix
)

在这里，R 没有建议参数 na.action，这意味着它不可用。这会在开头的问题中抛出错误消息。但是，如果我删除蓝图并像这样编写模型：

tuned_rf <- train(
target ~ .,
data = train_data,
method = "ranger",
metric = "ROC",
trControl = train_control,
tuneGrid = hyper_grid,
na.action = na.roughfix
)

na.action可用，na.roughfix可用。但是，现在缺少预处理。如果我想添加参数“preProcess =”以删除 NZV，R 不建议这样做，这意味着它不再可用。因此，我必须用 training_data X 和响应变量 y 替换公式和数据。现在，preProcess 再次可用...但是 na.action 已经消失，因此我无法使用 na.roughfix.

tuned_rf <- train(
X,
Y,
method = "ranger",
metric = "ROC",
trControl = train_control,
tuneGrid = hyper_grid,
preProcess = "nzv"
)

当然我可以先识别 NZV 并手动删除它们 - 但如果我想应用进一步的步骤，整个过程会变得复杂。

我希望，我的问题现在更容易理解了...

Answer 1

来自 ?randomForest::na.roughfix just performs median/mode imputation you can replace it when using a recipe with step_impute_median and step_impute_mode

的帮助

您的蓝图如下所示：

library(recipes)
blueprint <- recipe(target ~ ., data = train_data) %>%
  step_nzv(all_predictors()) %>%
  step_impute_median(all_numeric()) %>%
  step_impute_mode(all_nominal())

或许也试试

blueprint <- recipe(target ~ ., data = train_data) %>%
  step_impute_median(all_numeric()) %>%
  step_impute_mode(all_nominal()) %:%
  step_nzv(all_predictors())

取决于 step_nzv 处理缺失值的方式。

我还会使用其他估算函数检查性能，例如

step_impute_bag
step_impute_knn

尽管 "na.action" 已设置为 "na.roughfix"，但仍出现缺失值错误

Missing Value Error although "na.action" was set to "na.roughfix"

r

machine-learning

random-forest

missing-data

r-caret