Ops.factor 中的错误（实际，预测）：因素的水平集与包 iml 中的 Featureimp 不同

Question

我正在使用来自 Kaggle 的数据集“信用卡”。我使用随机森林进行预测，而对于训练集，我使用 smot 函数来平衡我的数据。
我对用于解释机器学习的包 iml 有问题：当我为我的模型使用函数“FeatureImp”时，它给了我一个错误：

Ops.factor 中的错误（实际，预测）：因子的水平集不同。

我该怎么做才能解决问题并开始使用 iml？

预测变量是类：factor = 0/1。我已经控制了 Class 变量的类和它的因素。我在 FeatureImp 中使用了损失函数“ce”。

library(DMwR)

smote_creditcard <- SMOTE(Class ~ ., creditcard_train, k=10, perc.over=400,perc.under = 50)

#con perc.over=100 praticamente raddoppio i casi della classe minore

table(smote_creditcard$Class)

#   0    1 
# 796 1990 

prop.table(table(smote_creditcard$Class))

smote_creditcard$Class<-as.factor(smote_creditcard$Class)

creditcard_random <- randomForest(formula = Class ~ ., 
                                  data = smote_creditcard,ntree=1000,mtry=5)

library(iml)

X<-smote_creditcard[which(names(smote_creditcard)!="Class")]

y<-smote_creditcard$Class

predictor<-Predictor$new(creditcard_random,data=X,y=y,type="prob")

imp<-FeatureImp$new(predictor,loss="ce")

Ops.factor 中的错误（实际，预测）： 水平组的因素是不同的

Answer 1

levels(predict(creditcard_random,smote_creditcard)) levels(smote_creditcard$Class)

我认为您建议我的代码是正确的。输出是相同的，并且是： “0”“1”。