在测试数据集上进行预测时randomForest模型中缺少对象

Question

如果已经有人问了，很抱歉，但我在半小时内找不到，所以如果你能给我指点方向，我会很感激的。

在模型中缺少对象时我遇到了问题，虽然我在构建模型时没有实际使用这个对象，但它只是存在于dataset中。(如下面的示例所示)。

这是一个问题，因为我已经训练了一些射频模型，我正在将模型加载到环境中，并且我正在重复使用它们。测试数据集不包含在构建模型的dataset中存在的一些变量，但它们不用于模型本身！

library(randomForest)
data(iris)

smp_size <- floor(0.75*nrow(iris))
set.seed(123)
train_ind <- sample(seq_len(nrow(iris)), size = smp_size)

train <- iris[train_ind, ]
test <- iris[-train_ind, ]

test$Sepal.Length <- NULL  # for the sake of example I drop this column

rf_model <- randomForest(Species ~ . - Sepal.Length, # I don't use the column in training model
                         data = train)

rf_prediction <- predict(rf_model, newdata = test)

当我试图预测测试数据集时，我会得到一个错误：

Error in eval(expr, envir, enclos) : object 'Sepal.Length' not found

我希望实现的是，使用我已经构建的模型，因为在不丢失变量的情况下重做将花费很大的代价。

谢谢你的建议！

Answer 1

因为你的模型已经造好了。在运行模型之前，您需要将缺少的列添加回测试集。只需添加值为0的缺失列，如下所示。

library(randomForest)
library(dplyr)
data(iris)

smp_size <- floor(0.75*nrow(iris))
set.seed(123)
train_ind <- sample(seq_len(nrow(iris)), size = smp_size)

train <- iris[train_ind, ]
test <- iris[-train_ind, ]

test$Sepal.Length <- NULL  

rf_model <- randomForest(Species ~ . - Sepal.Length, 
                         data = train)

# adding the missing column to your test set.
missingColumns <- setdiff(colnames(train),colnames(test))
test[,missingColumns] <- 0 



rf_prediction <- predict(rf_model, newdata = test)

rf_prediction

#showing this produce the same results
train2 <- iris[train_ind, ]
test2 <- iris[-train_ind, ]

test2$Sepal.Length <- NULL  
train2$Sepal.Length <- NULL  

rf_model2 <- randomForest(Species ~ ., 
                         data = train2)


rf_prediction2 <- predict(rf_model2, newdata = test2)

rf_prediction2 == rf_prediction