R：缺少数据会导致 XGBoost / sparse.model.matrix 出错答案

【问题标题】：R: Missing data causes error with XGBoost / sparse.model.matrixR：缺少数据会导致 XGBoost / sparse.model.matrix 出错
【发布时间】：2018-02-15 11:19:16
【问题描述】：

据我所知，XGB 应该有处理丢失数据的好处，但是，每当我测试添加了一些 NA 的波士顿住房集时，我都会收到错误：

The length of labels must equal to the number of rows in the input data

我运行的代码是

trainm <- sparse.model.matrix(class ~ ., data = train)
train_label <- train[,"class"]
train_matrix <- xgb.DMatrix(data = as.matrix(trainm) label=train_label)

当我不添加 NA 时，一切运行正常。我很确定问题是从稀疏矩阵中删除了 NA，这会导致混淆，但我不知道如何解决。

我的代码是here。

我们将非常感谢任何可以帮助我的反馈。

【问题讨论】：

问题不在于NA。 train_label 中的观察数与trainm 中的观察数不同。如果您执行dim(trainm)，您将获得369 x 15，而length(train_label) 将返回您403。
感谢您的评论。如果我注释掉“### Add a few NAs”部分（第 29-33 行），那么一切正常，所以除非我误解了某些内容，否则错误是由于缺少某些数据引起的？
是的，如果您注释这些代码行，您将能够运行xgb.DMatrix。

标签： r sparse-matrix xgboost

【解决方案1】：

在构建稀疏模型矩阵时，您需要采取纠正措施来处理 NA。休息一下，您的代码/数据没有问题。这是修改后的代码：

options(na.action='na.pass')
trainm <- sparse.model.matrix(class ~ ., data = train)
train_label <- train$class
train_matrix <- xgb.DMatrix(data = trainm, label=train$class)

【讨论】：