使用 randomForest 时出现错误“x 和 xtest 必须具有相同的列数”答案

【问题标题】：Error "x and xtest must have the same number of columns" when using randomForest使用 randomForest 时出现错误“x 和 xtest 必须具有相同的列数”
【发布时间】：2013-02-25 10:53:45
【问题描述】：

当我尝试在 R 中使用 randomForest 时出现错误。当我进入

basic3prox  <- randomForest(activity ~.,data=train,proximity=TRUE,xtest=valid)

其中 train 是训练数据的数据框，valid 是测试数据的数据框，我收到以下错误

Error in randomForest.default(m, y, ...) : 
  x and xtest must have same number of columns

但它们的列数确实相同。我使用子集（）从相同的原始数据集中获取它们，当我运行 dim() 时，我得到了

昏暗（火车）

[1] 3237 563

暗淡（有效）

[1] 2630 563

所以我不知道这里出了什么问题。

【问题讨论】：

一般来说，如果你传入xtest的参数，你不会使用公式方法，你需要分别指定x和y。
嗯，你知道的。它（有点）是一个错误。使用公式时传递 xtest 或 ytest 应该会产生特定错误，但它们似乎不会。我会联系包维护者。
这很奇怪，因为人们在询问有关randomForest的其他问题时使用了公式方法并且没有得到错误（大概）stackoverflow.com/questions/13696235/…
我同意这很奇怪，几乎无处不在。这个错误本身对我来说似乎很奇怪。问题是randomForest.formula 中的m <- match.call(expand = FALSE) 行。有可能应该是expand = TRUE。
你不能这样做没有哲学上的原因，我只是指实际的代码，作者明确试图阻止你这样做，并且只是把它搞砸了。因此，我更像是在警告您，以后不要指望这种行为。

标签： r

【解决方案1】：

不，他们没有； train 有 562 个预测列和 1 个决策列，所以 valid 必须有 562 列（并且相应的决策必须传递给 ytest 参数）。
所以调用应该是这样的：

randomForest(activity~.,data=train,proximity=TRUE,
  xtest=valid[,names(valid)!='activity'],ytest=valid[,'activity'])

然而，这是一个肮脏的 hack，对于更复杂的公式会失败，因此不应该使用它（即使作者试图禁止它，正如 Joran 在 cmets 中指出的那样）。正确、更简单、更快捷的方法是使用单独的对象进行预测和决策，而不是公式，如下所示：

randomForest(trainPredictors,trainActivity,proximity=TRUE,
  xtest=testPredictors,ytest=testActivity)

【讨论】：

那么你如何解释randomForest:::randomForest.formula中的if (any(c("xtest", "ytest") %in% names(m))) stop("xtest/ytest not supported through the formula interface")行？
@joran 好吧，这如果永远不会触发，因为x/ytest 正在绑定到...；其余代码只是破译公式并跳转到处理x/ytest 的默认方法就好了。所以，这是一个错误 (;
我只是不知道这个错误是怎么回事：作者是否打算阻止在公式界面中使用xtest并将其搞砸，或者曾经是这样，他们打算开始允许它并且他们未能从功能中删除该检查？ ;)
当然是第一个选项 - 这仅适用于 y~. 公式，更复杂的可能会打乱属性顺序，从而产生完全错误的测试预测而没有任何警告。

【解决方案2】：

也许这不是一个错误。当您使用dim() 时，您会得到不同的号码。这意味着训练数据和有效数据确实有不同的暗淡。我遇到过这样的问题。我的解决方案如下：首先，我使用names() 显示训练数据和有效数据中的变量。我看到他们确实有不同的变量。其次，我使用setdiff()“减去”剩余变量（如果训练数据的变量比有效数据多，则减去训练数据中的剩余变量，反之亦然。）之后，训练数据和有效数据有相同的变量。您可以使用 randomForest。

【讨论】：