R 中的 RandomForest 包错误：$ 运算符对原子向量无效

Question

我正在尝试创建一个随机森林多类分类器。但是，当我执行我的代码时，我在调用 RandomForest 时收到以下错误：

结果$training_classes 中的错误： $ 运算符对原子向量无效 调用：randomForest ... eval -> model.frame -> model.frame.default -> eval -> eval 执行停止

这是我的代码：

#!/usr/bin/Rscript
library(randomForest);
library(tm)
training_classes <- readLines("incidents_training_classes.txt",)
training_data <- readLines("incidents_training_words.txt")
doc.vec <- VectorSource(training_data)
doc.corpus <- Corpus(doc.vec)
summary(doc.corpus)
doc.corpus <- tm_map(doc.corpus, removeNumbers)
doc.corpus <- tm_map(doc.corpus, removeWords, stopwords("english"))
DTM <- DocumentTermMatrix(doc.corpus, control=list(weighting=weightTfIdf,minWordLength=3))
DTM.common <- removeSparseTerms(DTM,.99)
# Convert DTM to a data frame
capture.output(DTM.dataframe <- as.data.frame(inspect(DTM.common))) -> .null
class.dataframe <- as.data.frame(training_classes, stringsAsFactors=TRUE) 
# Merge predictor variables and class labels
results <- cbind(DTM.dataframe,class.dataframe)
forest.rf <- randomForest( results$training_classes ~ .,importance=TRUE, data = results, ntree = 500);

结果数据框具有预期的尺寸。我倒在了谷歌上，没有任何运气。

非常感谢任何帮助。

Answer 1

如果您指定数据 = 结果，则不需要 $ 符号。试试：

fmla <- as.formula(training_classes ~.)
results$training_classes <- as.factor(results$training_classes)

forest.rf <- randomForest(fmla,importance=TRUE, data = results, ntree = 500);

应该立即解决问题。

此外，自变量不应包含任何 NA。还请分享“str(results)”的输出。森林中使用的因子变量不应超过 32 个类，请记住这一点。

Answer 2

尝试在公式中仅使用 data.frame 的列名，例如 training_classes ~ .。检查列名是否使用 colnames(results) 正确设置。或者，您可以尝试x=, y= 参数而不是公式，请参阅?randomForest。