randomForest：na.fail.default 中的错误：对象中的缺失值答案

【问题标题】：randomForest: Error in na.fail.default: missing values in objectrandomForest：na.fail.default 中的错误：对象中的缺失值
【发布时间】：2017-05-30 13:53:45
【问题描述】：

我尝试用交叉验证训练一个随机森林，并使用 caret 包来训练 rf：

### variable return_customer = binary variable
idx.train <- createDataPartition(y = known$return_customer, p = 0.8, list = FALSE)
train <- known[idx.train, ]
test <- known[-idx.train, ]
k <- 10
set.seed(123)
model.control <- trainControl(method = "cv", number = k, classProbs = TRUE, summaryFunction = twoClassSummary,  allowParallel = TRUE)
rf.parms <- expand.grid(mtry = 1:10)
rf.caret <- train(return_customer~., data = train, method = "rf", ntree = 500, tuneGrid = rf.parms, metric = "ROC", trControl = model.control)

运行train 函数时，我收到此错误代码，但return_customer 中没有缺失值：

na.fail.default(list(return_customer = c(0L, 0L, 0L, 0L, 0L, : 对象中的缺失值

我想了解该函数为何读取数据中的缺失值以及如何解决此问题。我知道论坛中有类似的问题，但我无法修复我的代码。谢谢！

【问题讨论】：

你看过this question吗？
是的，但对我来说没用
你有没有发现问题出在哪里？

标签： r missing-data

【解决方案1】：

缺失值会出现在您的预测变量中。

尝试使用此代码删除具有空值的行：

row.has.na <- apply(train, 1, function(x){any(is.na(x))})
predictors_no_NA <- train[!row.has.na, ]

希望对您有所帮助。

【讨论】：