{ 中的错误：任务 1 失败 - “选择了未定义的列”答案

【问题标题】：Error in { : task 1 failed - "undefined columns selected"{ 中的错误：任务 1 失败 - “选择了未定义的列”
【发布时间】：2020-01-29 22:54:53
【问题描述】：

我尝试如下训练随机森林：

library(caret)
library(randomForest)

nfields <- 5
control <- rfeControl(functions = rfFuncs,
                      method = "repeatedcv",
                      repeats = 1,
                      verbose = TRUE)

fields <- colnames(dtrain)[!colnames(dtrain) %in% "my_target"]
predictors_rfe <- rfe(dtrain[,fields,with=F], dtrain$my_target,
                       rfeControl = control)

随机森林的执行：

+(rfe) fit Fold01.Rep1 size: 120 
-(rfe) fit Fold01.Rep1 size: 120 
+(rfe) imp Fold01.Rep1 
-(rfe) imp Fold01.Rep1 
+(rfe) fit Fold01.Rep1 size:  16 
+(rfe) fit Fold02.Rep1 size: 120 
-(rfe) fit Fold02.Rep1 size: 120 
+(rfe) imp Fold02.Rep1 
-(rfe) imp Fold02.Rep1 
+(rfe) fit Fold02.Rep1 size:  16 
-(rfe) fit Fold02.Rep1 size:  16 
+(rfe) fit Fold02.Rep1 size:   8 
-(rfe) fit Fold02.Rep1 size:   8 
+(rfe) fit Fold02.Rep1 size:   4 
-(rfe) fit Fold02.Rep1 size:   4 
+(rfe) fit Fold03.Rep1 size: 120 
-(rfe) fit Fold03.Rep1 size: 120 
+(rfe) imp Fold03.Rep1 
# ...
+(rfe) fit Fold10.Rep1 size:  16 
-(rfe) fit Fold10.Rep1 size:  16 
+(rfe) fit Fold10.Rep1 size:   8 
-(rfe) fit Fold10.Rep1 size:   8 
+(rfe) fit Fold10.Rep1 size:   4 
-(rfe) fit Fold10.Rep1 size:   4

然后我得到错误：

{ 中的错误：任务 1 失败 - “选择了未定义的列”

从错误消息中我无法理解出了什么问题……有人可以帮忙吗？

我从here 发现这是caret 的错误。但是这个bug在2016年被报告并解决了……我用的是最新版的caret

【问题讨论】：

标签： r random-forest r-caret

【解决方案1】：

我使用iris 并按照插入符号tutorial 做了一个示例。可能您的错误在于：

dtrain [, fields, with = F]

请参阅下面使用iris 的示例：

set.seed(1)
library(caret)

nfields <- 5
control <- rfeControl(functions = rfFuncs,
                      method = "repeatedcv",
                      repeats = 1,
                      verbose = F)
irisx <- iris[,1:4]
fields <- colnames(irisx)[!colnames(irisx) %in% "Petal.Width"]

predictors_rfe <- rfe(irisx[,fields], 
                      irisx$Petal.Width,
                      rfeControl = control)

predictors_rfe

> predictors_rfe

Recursive feature selection

Outer resampling method: Cross-Validated (10 fold, repeated 1 times) 

Resampling performance over subset size:

 Variables  RMSE Rsquared    MAE  RMSESD RsquaredSD   MAESD Selected
         3 0.196   0.9418 0.1519 0.03502     0.0177 0.02608        *

The top 3 variables (out of 3):
   Petal.Length, Sepal.Length, Sepal.Width

如果您可以为您的数据集提供可重现的示例，我将能够更好地检查可能的错误。

【讨论】：