train() 함수에 누락 된 값 오류 트리에 대한 캐럿

Question

저는 R을 사용하여 새로운 의사 결정 트리를 작성하려고합니다. 나는 이미 ctree에 패키지 파티를 사용했고 rpart에는 rpart를 사용했다. 그러나 모델에 대해 교차 유효성 검사를 수행해야하므로, train() 함수와 원하는 메서드를 사용하여 캐럿 패키지를 사용하기 시작합니다.

library(caret) 
cvCtrl <- trainControl(method = "repeatedcv", repeats = 2, 
        classProbs = TRUE) 

ctree.installed<- train(TARGET ~ OPENING_BALANCE+ MONTHS_SINCE_EXPEDITION+ 
        RS_DESC+SAP_STATUS+ ACTIVATION_STATUS+ ROTUL_STATUS+ 
        SIM_STATUS+ RATE_PLAN_SEGMENT_NORM, 
        data=trainSet, 
        method = "ctree", 
        trControl = cvCtrl) 

는하지만, 내 변수 "OPENING_BALANCE"와 "MONTHS_SINCE_EXPEDITION는"일부 누락 된 값을 가지고 있고 함수는 그것 때문에 작동하지 않습니다. 나는 왜 내가 나무를 만들려고 노력하고 있는지 이해하지 못한다. 다른 패키지를 사용할 때이 문제가 발생하지 않습니다. 내가 정말 그 관찰을 버리고 싶지 않기 때문에 통과 = na.action을 사용하지 않았다

Error in na.fail.default(list(TARGET = c(3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, : 
missing values in object 

:

이

는 오류입니다.

내가 잘못 했나요? 왜 이런 일이 일어나는 걸까요? 이것에 대한 제안이 있습니까?

내가 몇 가지 누락 된 값을 가지고 mlbench 패키지의 데이터 세트 PimaIndiansDiabetes2을 고려 시작 당신의 도움이

Answer 1

주셔서 감사합니다.

data(PimaIndiansDiabetes2, package = "mlbench") 
head(PimaIndiansDiabetes2) 

    pregnant glucose pressure triceps insulin mass pedigree age diabetes 
1  6  148  72  35  NA 33.6 0.627 50  pos 
2  1  85  66  29  NA 26.6 0.351 31  neg 
3  8  183  64  NA  NA 23.3 0.672 32  pos 
4  1  89  66  23  94 28.1 0.167 21  neg 
5  0  137  40  35  168 43.1 2.288 33  pos 
6  5  116  74  NA  NA 25.6 0.201 30  neg 

는 train 나는 na.pass에 na.action 설정 (변경되지 않은 데이터 세트를 반환 이어진다) 다음 ctree에서 maxsurrogate 파라미터 세트 :

library(caret) 
cvCtrl <- trainControl(method="repeatedcv", repeats = 2, classProbs = TRUE) 
set.seed(1234) 
ctree1 <- train(diabetes ~ ., data=PimaIndiansDiabetes2, 
        method = "ctree", 
        na.action = na.pass, 
        trControl = cvCtrl, 
        controls=ctree_control(maxsurrogate=2)) 

결과이다

print(ctree1) 
Conditional Inference Tree 

392 samples 
    8 predictor 
    2 classes: 'neg', 'pos' 

No pre-processing 
Resampling: Cross-Validated (10 fold, repeated 2 times) 
Summary of sample sizes: 691, 692, 691, 691, 691, 691, ... 
Resampling results across tuning parameters: 

    mincriterion Accuracy Kappa  
    0.01   0.7349111 0.4044195 
    0.50   0.7485731 0.4412557 
    0.99   0.7323906 0.3921662 

Accuracy was used to select the optimal model using the largest value. 
The final value used for the model was mincriterion = 0.5.