私はNAsのデータセットを広範囲に振りかけました。因子（）とNAsのRキャレット/ rfe変数の選択
さらに、列にはfactors()が必要です。
caretパッケージのrfe()機能を使用して、変数を選択しています。
因子変数ではなく、NASに対してrfFuncs作品ながらこれは、lmFuncs NASとのデータのための作品ではなく、因子変数のを使用してrfe()でfunctions=引数を思わ。
これに対処するための提案はありますか？
私はmodel.matrix()を試しましたが、それはもっと問題を引き起こすようです。
caretのようなより多くの "メタ"パッケージに行くときには、パッケージ間のこれらの点に一貫性のない動作があるため、私は何かをする前に、機械学習。
model.matrix()と表示されていました。さまざまなレベルの要因に対して一連の「ダミー」機能を生成することができます。典型的な使用法は、このようなものである：（あなたが持っているように聞こえるが）あなたが持っていない場合に備え、また> dat = data.frame(x=factor(rep(1:3, each=5)))
> dat$x
[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
Levels: 1 2 3
> model.matrix(~ x - 1, data=dat)
x1 x2 x3
1 1 0 0
2 1 0 0
3 1 0 0
4 1 0 0
5 1 0 0
6 0 1 0
7 0 1 0
8 0 1 0
9 0 1 0
10 0 1 0
11 0 0 1
12 0 0 1
13 0 0 1
14 0 0 1
15 0 0 1
attr(,"assign")
[1] 1 1 1
attr(,"contrasts")
attr(,"contrasts")$x
[1] "contr.treatment"
、CRANのcaretビネットは、これらの点のいくつかに非常に素晴らしく、タッチされています。 http://cran.r-project.org/web/packages/caret/index.html
「lmFuncs」はいくつかの変数を要因として失敗します。私は再現可能な例で確信することができた。ランダムフォレストが（デフォルトで）NAsのケースを受け入れないという事実は、単にそのアルゴリズム（または少なくともRバージョン）の十分に文書化された「機能」です。あなたがNAsをシームレスに扱うツリーベースのモデルを望むなら、 'treebagFuncs'はより安全な賭けかもしれません（しかし、私はそれをテストしていません）。 – joran