尽管“na.action”设置为“na.roughfix”，但缺少值错误

Question

我想用插入符号创建一个随机森林模型。由于训练集中缺少值，我一直在寻找可能的解决方案，并从包“randomForest”中发现了“na.roughfix”选项。如果加载了库 randomForest，则此选项可用作 caret 的 train 函数中参数“na.action”的参数。在 train 函数中，我使用 5 倍 CV 并调整最佳 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 的哪个折叠或值，总是会出现此错误消息。

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

我会很高兴得到解释甚至解决方案！

许多问候

编辑：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......也许这就是为什么插入符号不使用na.roughfix的原因......

编辑。 2： 我猜这是问题的一部分。 train 的行为总是不同的，具体取决于前面的参数。在我的火车功能中，我使用配方包中的配方来删除 NZV。一旦我删除配方， na.action 参数就会再次可用。但是，现在 preProcess 参数消失了，这意味着我不能再删除 NZV。这真是一团糟：-/ 是否有可能同时应用 na.action 和 preProcess 参数或任何其他解决方案来解决我的 Missing-Values-NZV 问题？

编辑。 3：正如用户误用的希望，我尝试为您提供代码示例。很遗憾，我无法为您提供数据，因为我的数据相对敏感 - 感谢您的理解。

首先，我创建了一个“蓝图”，并将其交给 train 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)

还有一个网格：

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 train 函数中：

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

这里，参数 na.action 没有得到 R 的建议，这意味着它不可用。这会在开始的问题中引发错误消息。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 可用并且可以使用 na.roughfix。但是，现在缺少预处理。如果我想添加参数“preProcess =”来删除 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，因此我不能使用 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 - 但如果我想应用更多步骤，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

在?randomForest::na.roughfix 的帮助下，您可以在使用带有step_impute_median 和step_impute_mode 的配方时替换它

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())

或许也可以试试

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 如何处理缺失值。

我还会检查其他插补函数的性能，例如

step_impute_bag
step_impute_knn