从随机森林模型中只得到NA响应的问题

Question

这是我关于桩溢出的第一篇文章，所以如果需要更多的信息，请问我以下问题！

情境:我已经编制了淡水生态系统马里奥斯(加拿大大西洋)的水化学数据，因为我试图建立一个预测物种分布模型使用一个随机森林模型(RFM)的入侵物种。不幸的是，加拿大大西洋地区缺乏一致的水监测程序，而那些确实存在的项目没有监测到与其他组相同的参数。因此，我的数据库(包括培训和测试)有很多NAs。

问题:这是我一直从RFM上得到的回应：

> p1 <- predict(model2, newdata=Test_Dataset,type="prob")[,2]
> p1

1 2 3 4 5 6 7 8 10 11 12 13 14 16 16 17 18 19 20 22 23 24 25 26 27 28 30 31 32 33 34 NA 35 36 37 NA

我试过的是：

1. I使用各种预测器构建了RFM (即model2)。我确实包括：

model2 <- randomForest(CMS ~ Lat + Lon + pH +碱度+ Ca +硬度+ DO + TOC + T_P + T_N + Cond + Na + No_Stocking + No_Fish_Species + Dist_Hwy + No_Boat_Launches + Connected_Lakes +入侵，重要性=真，data=TrainSet，na.action=na.roughfix) model2

**请注意，变量的大列表是预测因素，CMS是物种。

1. I尝试将测试数据集(Test_Dataset)与培训数据集(Validation_Dataset)匹配。

Test_Dataset <- rbind(Validation_Dataset1，Validation_Dataset) Test_Dataset <- Test_Dataset 1，

• 我已经搜索和读取了多个资源(包括明显的R页和链接在那里的引用)。

• ，我已经按如下方式对数据进行了突变(我将只显示Validation_Dataset，因为两者的突变是相同的)：

修改数据集以修复R读取NA单元格的问题

Validation_Dataset <- Validation_Dataset %>% dplyr：：变异(#转换年份为分类变量年=因子(年份)，#将叶绿素浓度从字符文件转换为数字文件#，每当适当的叶绿素=dplyr：：na_if(叶绿素，"NA")，叶绿素=因子(叶绿素)，硬度=dplyr：：na_if(硬度，"NA")，Hardness=因子(硬度)，碱度=dplyr：：na_if(碱度，" Na ")，碱度=因数(碱度)，Ca = dplyr::na_if( Ca，"NA")，Ca=因子(Ca)，TOC = dplyr::na_if( TOC，"NA")，TOC=因子(TOC)，Cond = dplyr::na_if( Cond，"NA")，Cond=因子(Cond)，NA= dplyr::na_if(Na，"NA")，NH4 =因子( NH4，" Na ")，NH4=因子(NH4)，NO3 = dplyr::na_if( NO3，"NA")，NO3=因子(NO3)，pH = dplyr::na_if( pH，"NA")，pH=因子(pH)，T_N =dplyr：：na_if( "NA")，NH4=因子()，T_P = dplyr::na_if( T_P，"NA")，T_P=因子(T_P)，DO = dplyr::na_if( DO，"NA")，DO=因数(DO)，盐度=dplyr：：na_if(盐度，"NA")，盐度=因子(盐度)，No_Stocking = dplyr::na_if( No_Stocking，"NA")，No_Stocking=因子(No_Stocking)，No_Fish_Species = dplyr::na_if( No_Fish_Species，"NA")，No_Fish_Species=因子(No_Fish_Species)，Dist_Hwy = dplyr::na_if( Dist_Hwy，"NA")，Dist_Hwy=因子(Dist_Hwy)，No_Boat_Launches = dplyr::na_if( No_Boat_Launches，NA)，No_Boat_Launches=因子(No_Boat_Launches)，Connected_Lakes = dplyr::na_if( Connected_Lakes，"NA")，Connected_Lakes=因子(Connected_Lakes)，入侵=dplyr：：na_if(入侵，"NA")，入侵=因子(入侵)，Lat =因子(Lat)，Lon =因子(Lon)，CMS =因子(CMS)

问:有没有人知道如何使代码工作，以便model2在Test_Dataset上进行预测？我认为这个问题可能很小，但我没有看到。

以下是培训数据集(Validation_Dataset)的一瞥：

> str(Validation_Dataset)
Classes ‘spec_tbl_df’, ‘tbl_df’, ‘tbl’ and 'data.frame':    37 obs. of  31 variables:
 $ Name            : chr  "Canard River" "Cedar Creek" "Holland River" "Speed River" ...
 $ STN #/COUNTY    : chr  "10000200202" "16001800202" "3007700202" "16018403402" ...
 $ Province        : chr  "ON" "ON" "ON" "ON" ...
 $ Lat             : Factor w/ 37 levels "42.03204214",..: 2 1 11 9 10 8 7 5 6 3 ...
 $ Lon             : Factor w/ 37 levels "-83.01879548",..: 1 2 11 8 10 6 7 9 5 4 ...
 $ Year            : Factor w/ 9 levels "2007, 2011","2010, 2015, 2011",..: 8 8 8 8 8 8 8 8 8 8 ...
 $ Month           : chr  "4" "4" "4" "4" ...
 $ Day             : chr  "11" "12" "26" "27" ...
 $ Data Source     : chr  "ON Provincial (Streams) Water Quality Monitoring Network" "ON Provincial (Streams) Water Quality Monitoring Network" "ON Provincial (Streams) Water Quality Monitoring Network" "ON Provincial (Streams) Water Quality Monitoring Network" ...
 $ pH              : Factor w/ 35 levels "6.073333","6.13",..: 18 21 28 29 25 34 30 32 19 26 ...
 $ Alkalinity      : Factor w/ 31 levels "1.8","2.8","3.933333333",..: 19 22 31 30 27 NA NA 26 NA 21 ...
 $ Hardness        : Factor w/ 13 levels "14.8","36.8",..: 7 8 11 10 9 NA NA 13 NA NA ...
 $ Ca              : Factor w/ 24 levels "3.833333333",..: 18 19 24 20 21 NA NA 22 NA NA ...
 $ Chlorophyll     : Factor w/ 15 levels "0.423601","0.453791",..: NA NA NA NA NA NA NA NA NA NA ...
 $ DO              : Factor w/ 26 levels "0.27","6.2","6.96",..: 21 24 18 16 4 25 17 14 2 7 ...
 $ TOC             : Factor w/ 3 levels "4.8","5.5","8.8": NA NA NA NA NA NA NA NA NA NA ...
 $ T_P             : Factor w/ 24 levels "0.002","0.003",..: 23 22 18 10 15 14 16 13 21 20 ...
 $ T_N             : Factor w/ 32 levels "0.006","0.13",..: 30 31 27 28 17 29 24 32 21 25 ...
 $ NO3+NO2         : num  2.173 2.292 1.092 1.695 0.426 ...
 $ NO3             : Factor w/ 32 levels "0.027","0.035",..: 30 31 26 27 11 29 24 32 22 8 ...
 $ NH4             : Factor w/ 27 levels "0.005","0.006",..: 26 25 22 17 9 11 13 19 23 27 ...
 $ Cond            : Factor w/ 34 levels "41","97","134",..: 24 21 29 23 22 14 34 31 21 17 ...
 $ Salinity        : Factor w/ 9 levels "0.11","0.15",..: NA NA NA NA NA NA NA NA NA NA ...
 $ Na              : Factor w/ 34 levels "41","97","134",..: 24 21 29 23 22 14 34 31 21 17 ...
 $ No_Stocking     : Factor w/ 3 levels "0","1","2": 1 2 2 3 1 2 1 2 1 2 ...
 $ No_Fish_Species : Factor w/ 9 levels "0","1","2","3",..: 1 4 6 4 1 5 1 9 1 9 ...
 $ Dist_Hwy        : Factor w/ 16 levels "0.003","0.006",..: NA NA 16 NA NA NA NA 8 NA 5 ...
 $ No_Boat_Launches: Factor w/ 8 levels "0","1","2","3",..: 1 1 5 1 1 1 1 8 1 3 ...
 $ Connected_Lakes : Factor w/ 11 levels "0","1","2","3",..: 7 2 3 4 9 6 2 3 2 5 ...
 $ Invasives       : Factor w/ 3 levels "0","1","2": NA NA NA NA NA NA NA NA NA NA ...
 $ CMS             : Factor w/ 2 levels "NO","YES": 2 2 2 2 2 2 2 2 2 2 ...

Answer 1

使用参数na.roughfix。如果要使用它，首先必须在randomForest函数之外指定它。我将以虹膜数据集为例。

iris.roughfix <- na.roughfix(iris.na)
iris.narf <- randomForest(Species ~ ., iris.na, na.action=na.roughfix)