我试图用randomForest和插入符号包预测栅格图层，但在引入因子变量时失败 . 没有因素，一切正常，但一旦我带来一个因素，我得到错误：
Error in predict.randomForest(modelFit, newdata) : Type of predictors in new data do not match that of the training data.
我在下面创建了一些示例代码来完成他的过程 . 我提出了透明度的几个步骤并提供了一个工作示例 .
(To skip the set-up code, jump from here on down...)
首先是创建样本数据，拟合RF模型，以及预测涉及NO因素的栅格 . 一切正常 .
# simulate data
x1p
x2p
x1a
x2a
x1
x2
y
d
# RF Classification on data with no factors... works fine
require(randomForest)
dRF
dRF$y
levels = c("present", "absent"))
rfFit
# Create sample Rasters
require(raster)
r1
values(r1)
values(r2)
s
names(s)
# raster::predict() with no factors, works fine.
model
spplot(model)
接下来的步骤是创建一个因子变量，以添加到训练数据并创建具有预测匹配值的栅格 . 请注意，栅格是常规的旧整数，而不是 as.factor 栅格 . 一切都还行不错......
# Create factor variable
x3p
x3a
x3
dFac
dFac$x3
dFac
# RF model with factors, works fine
rfFit2
# Create new raster, but not as.factor()
r3
values(r3)
s2
names(s2)
s2
# RF, raster::predict() from fit with factor
f
model2
progress='text', factors=f, index=1:2)
spplot(model2) # works fine
完成上述步骤后，我现在有了一个RF模型，该模型使用包含因子变量的数据进行训练，并在包含类似值的整数栅格的栅格砖上进行预测 . 这是我的最终目标，但我希望能够通过 caret 包工作流程来实现 . 下面我介绍 caret::train() 没有因素，一切运作良好 .
# RF with Caret and NO factors
require(caret)
rf_ctrl
allowParallel=FALSE, verboseIter=TRUE,
savePredictions=TRUE, classProbs=TRUE)
cFit1
tuneLength=4, trControl = rf_ctrl, importance = TRUE)
model3
progress='text', factors=f, index=1:2)
spplot(model3) # works with caret and NO factors
(...to here. This is where the issues begin)
事情就是失败的地方 . 插入符号训练的Rf模型与因子变量有效，但在 raster::predict() 失败 .
# RF with Caret and FACTORS
rf_ctrl2
allowParallel=FALSE, verboseIter=TRUE,
savePredictions=TRUE, classProbs=TRUE)
cFit2
tuneLength=4, trControl = rf_ctrl2, importance = TRUE)
model4
progress='text', factors=f, index=1:2)
# FAIL: "Type of predictors in new data do not match that of the training data."
尝试与上面相同，但不是使用与因子级别具有相同值的整数栅格，而是使用 as.factor() 并指定级别将栅格转换为因子 . 这也失败了 .
#trying with raster as.factor()
r3f
values(r3f)
r3f
f
f$code
levels(r3f)
s2f
names(s2f)
s2f
model4f
progress='text', factors=f, index=1:2)
# FAIL "Type of predictors in new data do not match that of the training data."
上述步骤的错误和进展清楚地表明我的方法存在问题， caret:train() 与 raster::predict() . 我已经完成了调试(尽我所能)并解决了我注意到的问题，但没有吸烟枪 .
任何和所有的帮助将不胜感激 . 谢谢！
Added: 我继续乱搞，意识到如果 caret::train() 中的模型是用公式形式写的，它就可以工作 . 查看模型对象的结构，很容易看出为因子变量创建了对比 . 我想这也意味着 raster::predict() 认识到了对比 . 这很好，但是因为我的方法没有设置为使用基于公式的预测，这是一个无赖 . 任何额外的帮助仍然受到赞赏 .
#with Caret WITH FACTORS as model formula!
rf_ctrl3
allowParallel=FALSE, verboseIter=TRUE, savePredictions=TRUE, classProbs=TRUE)
cFit3
tuneLength=4, trControl = rf_ctrl2, importance = TRUE)
model5
spplot(model5)
如果觉得《factor java_使用randomForest Caret和factor变量预测栅格时出错》对你有帮助，请点赞、收藏，并留下你的观点哦！
