当我使用 preProcess = "medianImpute" 时，插入符号会出现缺失值错误？答案

【问题标题】：Caret gives a missing values error when I use preProcess = "medianImpute"?当我使用 preProcess = "medianImpute" 时，插入符号会出现缺失值错误？
【发布时间】：2017-09-27 21:10:12
【问题描述】：

最近完成了 Datacamp 的“机器学习工具箱”课程，我想应用我学到的东西：插入符号可以使用参数 preProcess = "medianImpute" 输入缺失值

如果我运行table(complete.cases(df))，我会得到：

FALSE  TRUE 
24429  6042

所以我需要对缺失值做一些事情。 video 让它看起来如此简单！

mod.lm.medians <- train(target ~., 
                data = train, 
                trControl = train_control,
                method = "lm",
                preProcess = "medianImpute")

给予：

na.fail.default(list(target = c(5850000L, 6000000L, 5700000L, : 对象中的缺失值

我找到了另一个 SO 答案 here，它告诉我不要尝试 na.action=na.exclude，它可以让我的模型运行，但只能在完整的情况下运行，这不是我想要的。

我对插入符号的预处理参数的理解不正确吗？我预计缺失值将替换为 df 中每个观察值的特征中值。相反，我得到了这个错误。

【问题讨论】：

要进行调查，您可以使用 predict(preProcess(train, method=c("medianImpute")), train) 之类的东西单独运行预处理，这两个步骤的原因是 preProcess 是从训练集学习的，但也需要应用于测试集.这里我们只是重新申请训练看看效果
嗨，我在控制台中输入了它并运行。虽然我不追！请 ELI5 并尽可能使用蜡笔和乐高积木。 IE。我不知道我刚刚跑了什么。我如何将它应用到我的模型中？
这里是a pretty good article on caret pre processing。每种转换都有点重复。
感谢您的链接。实际上，我在搜索解决方案时偶然发现了它。会通读。希望识别此插入符号错误的人也能看到并发表评论
我不知道您是否找到任何解决此问题的方法。我在真实数据集上练习时尝试完全相同的东西（datacamp）并得到了同样的错误。

标签： r na r-caret data-science

【解决方案1】：

我认为问题在于使用公式 preProcess 参数。尝试先打破预处理，然后训练...

# first preprocess
preproc <- preProcess(train, method = "medianImpute")
trainPreProc<- predict(preproc,train)

mod.lm.medians <- train(target ~., 
                data = train, 
                trControl = train_control,
                method = "lm",
                preProcess = "medianImpute")

【讨论】：

【解决方案2】：

我遇到了完全相同的问题。我参加了名为“机器学习工具箱”的数据营课程，它可以在他们的控制台上运行，但它不适用于我的。

【讨论】：

如果你弄明白了，请告诉我。我记得我在传递给插入符号之前估算了中位数（如果您正在尝试几种算法，这实际上更有效，因为不希望 r 每次移动到下一个算法时都估算中位数）。不确定它是否会起作用，但过去我发现切换插入符号公式界面有时会神奇地消除问题target ~ var1, var2 到x = df$target, y = select(df, var1, var2)。不知道这是否会有所作为