ランダムフォレスト：新

Question

OKトレーニングデータ内に存在しない因子レベルなので、タイタニック競争に関連する他の初心者の質問：私は私のテストデータに対するランダムフォレスト予測を実行しようとしています

。すべての私の仕事は、テストとトレーニングのデータを組み合わせて行われました。

私は今、テストデータとtrainingdata

に2分割している私は、次のコードを持っている：

trainingdata <- droplevels(data.combined[1:891,]) 
testdata <- droplevels(data.combined[892:1309,]) 

fitRF <- randomForest(as.factor(Survived) ~ Pclass + Sex + Age + SibSp 
+ Parch + Fare + Embarked 
        + new.title + family.size + FamilyID2, 
        data=trainingdata, 
        importance =T, 
        ntree=2000) 

varImpPlot(fitRF) 

#All works up to this point 


Prediction <- predict(fitRF, testdata) 
#This line above generates error 
submit <- data.frame(PassengerID = data.combined$PassengerId, Survived 
= Prediction) 
write.csv(submit, file="14072017_1_RF", row.names = F) 

私は予測ラインを実行すると、私は次のエラーを取得する：

> Prediction <- predict(fitRF, testdata) 
Error in predict.randomForest(fitRF, testdata) : 
    New factor levels not present in the training data 

を私が str（testdata）とstr（trainingdata）を実行すると、もはや一致する2つの要因が見えます

Trainingdata  
$ Parch   : Factor w/ 7 levels 

Testdata 
$ Parch   : Factor w/ 8 

Trainingdata 
$ FamilyID2  : Factor w/ 22 

Testdata 
$ FamilyID2  : Factor w/ 18 

エラーが発生する原因はこれらの違いですか？もしそうなら、私はこれをどのように解決するのですか？

多くのおかげ

追加情報： 私は、ランダムフォレストの作成ラインから煎るとFamilyID2を削除している、とのコードが動作するようになりましたので、それは間違いなく、不一致のレベルの問題を引き起こしているものを2つの変数です。

Answer 1

ここで仲間初心者は、私は最近タイタニックと一緒に周りをちょうど酔っていた。

as.numeric（列車の$煎る） -

列車の$乾上がる<：私はそれがdoesn'tので、多分それは、数値にし、それが問題を解決することが、要因として乾上がる変数を持ってしても意味が考えます

> table(train$Parch) 

0 1 2 3 4 5 6 
678 118 80 5 4 5 1 

> table(test$Parch) 

0 1 2 3 4 5 6 9 
324 52 33 3 2 1 1 2 
> 

また、あなたが要因であると、変数が必要な場合、その後、あなただけの別を追加することができます。それ以外の場合は、テストデータは、列車のデータに存在しない煎るための9の値を持つ2台のOBSを、持っていますレベル：

train$Parch <- as.factor(train$Parch) # in my data, Parch is type int 
train$Parch 
levels(train$Parch) <- c(levels(train$Parch), "9") 
train$Parch # now Parch has 7 levels 
table(train$Parch) # level 9 is empty