条件随机森林预测错误，kids_node(node)[[i]] 中的错误：下标我们的界限

【问题标题】：Conditional Random Forest Predict Error, Error in kids_node(node)[[i]] : subscript our of bound条件随机森林预测错误，kids_node(node)[[i]] 中的错误：下标我们的界限
【发布时间】：2021-12-22 21:51:51
【问题描述】：

我估计我的样本 70 个变量具有许多预测变量 X 有 70000 个 Obs 的缺失值。 Y 是二元变量，5% 的观测值 = 1，95% = 0

cf <- cforest (formula = Y ~., data = df , 
               perturn = list (replace = FALSE, fraction = 0.5, 0.5), 
               control = ctree_control (MIA = true), ntree = 1500, mtry=8)

当我使用带有自己的样本内的 OOB 预测进行预测时遇到问题。它返回错误

Error in kids_node(node)[[i]] : subscript out of bounds

有时，我改变种子，它解决了问题。但是当我预测样本不足时出现了相同的错误消息。

有人遇到过类似的问题吗？

【问题讨论】：

标签： r machine-learning random-forest missing-data imputation

【解决方案1】：

当您更改种子时，它解决了问题嗯。我不是 100% 确定，但我会尝试提供 2 个可能是问题的解释。

您使用 OOB 预测中不存在的预测变量。假设您使用每人的汽车数量作为预测变量，但您的 OOB 预测不包含有关每人汽车数量的信息。这会导致错误。
有时您可能会使用信息进行预测，而这些信息在您的 OOB 预测中不可用。

所以要指定这个。假设您的 RandomForest 接受了一个名为“状态”的分类变量的训练。该模型了解到，州 = 亚利桑那州与较低的概率相关联，而州 = 加利福尼亚州与更高的概率相关联。但是，在您的 OOB 预测中，您有 state = Washington。该模型不知道这个类别，并且会提供一个错误，因为它没有根据这个变量规范进行训练。

另一个与这个问题无关的提示是，鉴于 5% 的观察值 = 1 和 95% = 0，我会看看类不平衡。我怀疑您的预测会偏向多数类（不一定是这种情况，但如果是，请查看采样等类不平衡技术）

【讨论】：