R使用包含4000条记录和13个属性的rpart时出现问题

Question

我试图给这个包的作者发电子邮件，但没有成功，只是想知道是否有人经历过这种情况。

我在具有13个属性的4000行数据上使用rpart。我可以对300行相同的数据运行相同的测试，没有任何问题。当我在4000行上运行时，Rgui.exe始终以50%的CPU运行，并且UI挂起；如果我让它运行，并且从不退出或响应，它将保持这种状态至少4-5个小时。

下面是我在300和4000大小的子集上使用的代码：

train <- read.csv("input.csv", header=T)
y <- train[, 18]
x <- train[, 3:17]
library(rpart)
fit <- rpart(y ~ ., x)

这是rpart的一个已知限制吗?我做错了什么吗？可能的变通方法？

Answer 1

这里的问题是数据准备错误。

在数据集的中间很远的地方重写了一个标题。

Answer 2

当你输入相似尺寸的rpart随机数据，而不是你的真实数据(来自input.csv)时，你能重现错误信息吗？如果没有，可能是您的数据有问题(可能是格式化？)。使用read.csv导入数据后，通过查看str(序列)的输出来检查数据的格式问题。

#How to do an equivalent rpart fit one some random data of equivalent dimension
dats<-data.frame(matrix(rnorm(4000*14), nrow=4000))

y<-dats[,1]
x<-dats[,-1]
library(rpart)
system.time(fit<-rpart(y~.,x))