森林随机变量长度不同

Question

我正在尝试使用功能作为响应变量来运行RF。 我无法通过变量传递字符串以用作RF中的响应。 首先，我尝试在通过变量作为响应的字符串上运行RF，然后收到“向量长度不同错误”。 在此之后，我尝试仅输入实际的字符串（功能）作为响应，并且效果很好。 您能否阐明为什么可变长度不同？ 谢谢。

> colnames(Data[1])
[1] "feature1"
> rf.file = randomForest(formula =colnames(Data[1])~ ., data = Data, proximity = T,      importance = T, ntree = 500, nodesize = 3)
Error in model.frame.default(formula = colnames(Data[1]) ~ .,  : 
  variable lengths differ (found for 'feature1')

Enter a frame number, or 0 to exit   

1: randomForest(formula = colnames(Data[1]) ~ ., data = Data, proximity = T, importance = T, ntree = 500, nodesize = 3)
2: randomForest.formula(formula = colnames(Data[1]) ~ ., data = brainDataTrim, proximity = T, importance = T, ntree = 500, nodesize = 3)
3: eval(m, parent.frame())
4: eval(expr, envir, enclos)
5: model.frame(formula = colnames(Data[1]) ~ ., data = Data, na.action = function (object, ...) 
6: model.frame.default(formula = colnames(Data[1]) ~ ., data = Data, na.action = function (object, ...) 

Selection: 0



> rf.file = randomForest(formula =feature1~ ., data = Data, proximity = T,      importance = T, ntree = 500, nodesize = 3)
> rf.file

Call:
 randomForest(formula = feature1 ~ ., data = Data,      proximity = T, importance = T, ntree = 500, nodesize = 3) 
               Type of random forest: regression
                     Number of trees: 500
No. of variables tried at each split: 3

          Mean of squared residuals: 0.1536834
                    % Var explained: 34.21
> 

Answer 1

您只是误解了公式是如何工作的。 基本上，你的第一次尝试是不应该工作。

公式应包含变量的名称，可能是变量的简单功能。 例如

var1 ~ var2
var1 ~ log(var2)

请注意缺少引号。 如果您未引用，则它不是字符串，而是符号。

因此，请避免在公式中使用原始字符串，奇怪的求值要求（例如Data[1]或$任何用法）。 要根据字符串构造公式，请将其粘贴在一起，然后在生成的字符串上调用as.formula 。

请记住，公式的全部要点是您已经提供了模型的符号表示形式，然后R将继续在提供的数据框中查找您命名的特定列。

我认为某些函数可以为您执行公式的字符串表示形式的强制转换（例如"var1 ~ var2" ），但是我不会指望或期望它。