對象中的缺失值 - R中的隨機森林混淆矩陣

Question

我試圖在擬合模型后獲得混淆矩陣但沒有成功。 相反，使用相同的代碼和決策樹，沒有問題。 那是我的代碼：

library(caret)
library(randomForest)

training <- read.csv("https://d396qusza40orc.cloudfront.net/predmachlearn/pml-training.csv", na.strings=c("#DIV/0!"), row.names = 1)

to_exclude <- nearZeroVar(training)
training <- training[, -to_exclude]

set.seed(1234)
train_idx <- createDataPartition(training$classe, p = 0.8, list = FALSE)
train <- training[train_idx,]
validation <- training[-train_idx,]

rf_model <- randomForest(classe ~ . , data=train, method="class")
rf_validation <- predict(rf_model, validation, type="class")

confusionMatrix(rf_validation, validation$classe)

這是錯誤：

na.fail.default中的錯誤（列表（classe = c（1L，1L，1L，1L，1L，1L，1L，1L，：對象中缺少值）

我也試試這個：

table(rf_validation, validation$classe)

這導致了同樣的錯誤。 如果我使用：

dt_model <- rpart(classe ~ ., data=train, method="class")

相反，一切正常。

我錯過了什么？

Answer 1

正如@lukeA所提到的，由於NA值，我遇到了問題。 另一個對我有用的選擇是清理我的數據：

training <- training[, colSums(is.na(training)) == 0]

刪除由NA值形成的要素。