我试图在R（quantregForest）中使用分位数回归森林函数，它建立在随机森林包上。我收到类型不匹配错误，我无法理解为什么。
我用它训练模型
qrf <- quantregForest(x = xtrain, y = ytrain)
哪个工作没有问题，但当我尝试用新数据测试时
quant.newdata <- predict(qrf, newdata= xtest)
它给出以下错误：
Error in predict.quantregForest(qrf, newdata = xtest) :
Type of predictors in new data do not match types of the training data.
我的培训和测试数据来自单独的文件（因此是单独的数据框），但具有相同的格式。我已经检查了预测变量的类
sapply(xtrain, class)
sapply(xtest, class)
这是输出：
> sapply(xtrain, class)
pred1 pred2 pred3 pred4 pred5 pred6 pred7 pred8
"factor" "integer" "integer" "integer" "factor" "factor" "integer" "factor"
pred9 pred10 pred11 pred12
"factor" "factor" "factor" "factor"
> sapply(xtest, class)
pred1 pred2 pred3 pred4 pred5 pred6 pred7 pred8
"factor" "integer" "integer" "integer" "factor" "factor" "integer" "factor"
pred9 pred10 pred11 pred12
"factor" "factor" "factor" "factor"
它们完全一样。我还检查了“NA”值。 xtrain和xtest都没有NA值。我在这里错过了一些小事吗？
更新I：对训练数据运行预测仍然会产生相同的错误
> quant.newdata <- predict(qrf, newdata = xtrain)
Error in predict.quantregForest(qrf, newdata = xtrain) :
names of predictor variables do not match
更新II：我将训练和测试集合在一起，以便从1到101的行是训练数据，其余的是测试。我将（quantregForest）中提供的示例修改为：
data <- read.table("toy.txt", header = T)
n <- nrow(data)
indextrain <- 1:101
xtrain <- data[indextrain, 3:14]
xtest <- data[-indextrain, 3:14]
ytrain <- data[indextrain, 15]
ytest <- data[-indextrain, 15]
qrf <- quantregForest(x=xtrain, y=ytrain)
quant.newdata <- predict(qrf, newdata= xtest)
它的工作原理！如果有人可以解释为什么它以这种方式工作而不是用另一种方式，我会很感激吗？
我有同样的问题。您可以尝试使用小技巧来均衡训练和测试集的类。将第一行训练集绑定到测试集，然后将其删除。对于您的示例，它应该如下所示：
xtest <- rbind(xtrain[1, ] , xtest)
xtest <- xtest[-1,]
@mgoldwasser是正确的，但是在predict.randomForest中也有一个非常讨厌的错误：即使你在训练和预测集中有完全相同的级别，也有可能得到这个错误。当您有一个将NA作为单独级别嵌入的因子时，这是可能的。问题是predict.randomForest基本上做了以下事情：
# Assume your original factor has two "proper" levels + NA level:
f <- factor(c(0,1,NA), exclude=NULL)
length(levels(f)) # => 3
levels(f) # => "0" "1" NA
# Note that
sum(is.na(f)) # => 0
# i.e., the values of the factor are not `NA` only the corresponding level is.
# Internally predict.randomForest passes the factor (the one of the training set)
# through the function `factor(.)`.
# Unfortunately, it does _not_ do this for the prediction set.
# See what happens to f if we do that:
pf <- factor(f)
length(levels(pf)) # => 2
levels(pf) # => "0" "1"
# In other words:
length(levels(f)) != length(levels(factor(f)))
# => sad but TRUE
因此，它总是会丢弃训练集中的NA等级，并且总是会在预测集中看到一个额外的等级。
解决方法是在使用randomForest之前替换级别的值NA：
levels(f)[is.na(levels(f))] <- "NA"
levels(f) # => "0" "1" "NA"
# .... note that this is no longer a plain `NA`
现在调用factor(f)不会丢弃该级别，并且检查成功。
发生这种情况是因为训练集和测试集中的因子变量具有不同的级别（更精确的测试集没有训练中存在的某些级别）。因此，您可以通过使用以下代码来解决所有因子变量：
levels(test$SectionName) <- levels(train$SectionName)
扩展@ user1849895的解决方案：
common <- intersect(names(train), names(test))
for (p in common) {
if (class(train[[p]]) == "factor") {
levels(test[[p]]) <- levels(train[[p]])
}
}
这是每个不同因素的水平的问题。您需要检查以确保您的因子水平在测试和训练集之间保持一致。
这是一个奇怪的随机森林怪癖，对我来说没有意义。
我刚刚解决了以下问题：
## Creating sample data
values_development=factor(c("a", "b", "c")) ## Values used when building the random forest model
values_production=factor(c("a", "b", "c", "ooops")) ## New values to used when using the model
## Deleting cases which were not present when developing
values_production=sapply(as.character(values_production), function(x) if(x %in% values_development) x else NA)
## Creating the factor variable, (with the correct NA value level)
values_production=factor(values_production)
## Checking
values_production # => a b c <NA>