计算精度时，各组因素不同

Question

我建立了一个随机森林模型。预测输出和实际输出是因素。有19个类可以预测，但其中一个类没有出现在测试数据集中。

然后我想用这个公式计算模型的准确性：

accuracy <- sum(ActualOutput==PredictedOutput, na.rm = TRUE) / length(PredictedOutput)

哪个生成此错误消息：

Ops.factor中的错误（ActualOutput，PredictedOutput）：级别的因子集是不同的

ActualOutput有19个级别，PredictedOutput有18个级别。我该怎么办？

Answer 1

假设我们有两个相同长度但不同级别的输出ActualOutput和PredictedOutput

PredictedOutput <- factor(c("a", "b", "b"))
ActualOutput <- factor(c("a", "b", "c"))

sum(ActualOutput == PredictedOutput)

Error in Ops.factor(ActualOutput, PredictedOutput) : 
  level sets of factors are different

PredictedOutput有2个级别，但ActualOutput有3个。我们想将PredictedOutput的级别设置为ActualOutput的级别

PredictedOutput <- factor(PredictedOutput, levels=levels(ActualOutput))

现在PredictedOutput看起来像

[1] a b b
Levels: a b c

你的配方应该有效

sum(ActualOutput == PredictedOutput)
[1] 2

如果您有一个可重复的小例子，我们可能会提供更多帮助

Answer 2

如果将变量转换为字符而不是因子，是否会出现同样的问题？你可以像这样构建模型，还是需要因子类型？

通常，这是一个培训/测试数据集构建问题。有时，当其中一个课程观察很少时，您必须确保在训练和测试集中都有一些案例。检查一些分层抽样方法。

你能提供一些关于你用于随机森林模型的包和命令的更多信息吗？