Randomフォレスト不一致の値を含むカテゴリ変数、数値変数、および "不要な"変数が混在する場合

Question

カテゴリR変数と数値変数を含むデータセットとRの中のRandom Forestパッケージを使用しようとしています（ "不要なcoloumns"私は予測変数として含めたくない）。さらに、（予測変数として使用されるはずの）私の望ましい変数のいくつかが欠落しています。 どうすれば対応できますか？

Answer 1

あなたのデータセットはこのように見えます。

mydf <- data.frame(target = c(1:100), 
        param1 = c(rep("a",10), rep("b", 50), 
           rep("c", 20), rep("a",15), rep(NA, 5)), 
        param2 = runif(100,0,1), 
        param3 = c(runif(20,1,10),runif(50,20,30),rep(NA,10), 
           runif(10,0,5), runif(10,70,80))) 

1. のみ所望列を使用します。

   a。数式で、ランダムフォレストで使用する列を指定することもできます。 myrf <- randomForest(target ~ param1 + param2, mydf) # this excludes param3

   b。そうでない場合は、必要な列のみを保持してデータセットのサブセットを作成できます。

   mydf2 <- mydf[,c(target,param1,param2] 
   myrf <- randomForest(target ~ ., mydf2) 
   

2. NAを値を処理します。

   a。あなたはそれらを代償しようとするかもしれません。

   b。または、それらを扱うことができる別のライブラリ（rpartなど）でもかまいません。

最後に、このスレッドをご覧ください。

How to build random forests in R with missing (NA) values?