Rで不足している（NA）値を持つランダムフォレストを構築する方法はありますか？

Question

私はランダムフォレストモデルに適合したいと思いますが、私は、私は

Error in na.fail.default(list(speed = c(NA, 4, 7, 7, 8, 9, 10, 10, 10, : 
    missing values in object 

Answer 1

次のエラーを取得する

library(randomForest) 
cars$speed[1] <- NA # to simulate missing value 
model <- randomForest(speed ~., data=cars) 

を呼び出すときに、この質問への私の最初の反応は、それが多くの研究を示さなかったということでしたランダムなフォレストが予測変数の欠損値を処理しないことを「誰もが知っている」からです。しかし、?randomForestをチェックすると、これについてもっとはっきりとわかるはずです。

（BreimanのPDF、が明示的に欠損値が単純にすべてで処理されていないことを言うん文書でにリンクされている。）

は、私が見ることができる公式ドキュメントの唯一の明白な手がかりであることが確認されたデフォルト値についてna.actionのパラメータはna.failです。新しいユーザーにとってはあまりにも曖昧な場合があります。

あなたの予測因子は、欠損値を持っている場合いずれにせよ、あなたは（基本的に）二つの選択肢があります。

1. を別のツールを使用し
2. 転嫁欠損値
（うまく欠損値 rpartハンドルを。）

randomForestパッケージにはこれだけの機能があります（rfImpute）。 ?rfImputeのドキュメントは、その使用の基本的な例を示しています。

少数のケースに欠損値がある場合は、na.action = na.omitを設定して、単にそのケースを削除することもできます。

もちろん、この回答はあなたの問題が実際には値が欠落していることを少し推測しています。

Answer 2

欠損値が有益である可能性があるなら、あなたはnew.varはyour_datasetに追加するように設定大きすぎる場合、あなたが使用することができ、欠損値をINPUTEと（new.vars<-is.na(your_dataset)付き）追加のバイナリ変数を追加し、それがエラーを下げるかどうかを確認することができますそれだけで、varImpPlotとsignificiant変数を選択し、your_datasetに追加する、あなたはまた、行方不明の変数が有益会計であれば、これはオフtopick答えではありませんNAのnew.var <- rowSums(new.vars)

の数をカウントするyour_datasetに単一の変数を追加しようとすることができ不完全帰属手続きのみによるモデル誤差の増加を補正することができる。

不足している値は、無作為な原因によるものであり、社会実験の設定では頻繁に一般的です。