我想使用caret创建一个随机森林模型。由于训练集中存在缺失值，我在寻找可能的解决方案时发现了来自”randomForest”包的”na.roughfix”选项。如果加载了randomForest库，这个选项可以作为caret中的train函数的”na.action”参数的参数。在train函数中，我使用了5折交叉验证，并调整以获得最佳ROC值。我这样做是为了确保与其他模型的可比性。我为随机森林选择的方法是”ranger”。
但现在发生了一些奇怪的事情：当我触发train函数时，计算开始了，但例如出现了以下错误消息：
模型拟合在第5折失败：mtry= 7, splitrule=gini, min.node.size= 5 错误：列中存在缺失数据：…
“…”代表出现缺失值的列。此外，无论是哪一折或mtry的值，这个错误消息总是会出现。
我很清楚这些列中存在缺失值…这就是我使用na.roughfix的原因。我也删除了NZVs，但这也没有帮助。
我非常希望能得到一个解释甚至是解决方案！
很多问候
编辑.: 我现在发现，如果我想在train函数中选择”na.action”参数，它不会自动出现，这通常是会出现的。似乎它不知怎么丢失了…也许这就是caret不使用na.roughfix的原因…
编辑2: 我猜这是问题的一部分。train函数的行为总是根据之前的参数而有所不同。在我的train函数中，我使用了来自recipe包的recipe来删除NZVs。一旦我删除了recipe，na.action参数再次可用。然而，现在preProcess参数消失了，这意味着我无法再删除NZVs。这真是一团糟 :-/ 是否有可能同时应用na.action和preProcess参数，或者对我缺失值-NZV问题有其他解决方案？
编辑3: 如用户missuse所希望的，我尝试为您提供一个代码示例。不幸的是，我无法提供数据，因为我的数据相对敏感 – 谢谢您的理解。
首先，我创建了一个”蓝图”，并将其传递给train函数。在这里，我删除了近零方差变量。
blueprint <- recipe(target ~ ., data = train_data) %>%step_nzv(all_predictors())在下一步中，我定义了trainControl
train_control <- trainControl(method = "cv", number = 5, classProbs = TRUE, summaryFunction = twoClassSummary, verboseIter = TRUE)和一个网格：
hyper_grid <- expand.grid(mtry=c(1:(ncol(train_data)-1)), splitrule = c("gini", "extratrees"), min.node.size = c(1, 3, 5, 7, 10))最后，我将所有内容整合到train函数中：
tuned_rf <- train(blueprint,data = train_data,method = "ranger",metric = "ROC",trControl = train_control,tuneGrid = hyper_grid,na.action = na.roughfix)在这里，na.action参数不会被R建议，意味着它不可用。这会导致开头问题中的错误消息。然而，如果我删除蓝图并这样写模型：
tuned_rf <- train(target ~ .,data = train_data,method = "ranger",metric = "ROC",trControl = train_control,tuneGrid = hyper_grid,na.action = na.roughfix)na.action是可用的，na.roughfix可以被使用。然而，现在缺少预处理。如果我想添加”preProcess =”参数来删除NZVs，R不会建议它，意味着它不再可用。因此，我必须用训练数据X和响应变量y替换公式和数据。现在，preProcess再次可用…但na.action消失了，因此我无法使用na.roughfix。
tuned_rf <- train(X,Y,method = "ranger",metric = "ROC",trControl = train_control,tuneGrid = hyper_grid,preProcess = "nzv")当然，我可以首先识别NZVs并手动删除它们 – 但如果我想应用进一步的步骤，整个过程就会变得复杂。
我希望我的问题现在更容易理解…
回答：
从?randomForest::na.roughfix的帮助文档中得知，它仅执行中位数/众数填补，您可以使用recipe时用step_impute_median和step_impute_mode替换它
您的蓝图将如下所示：
library(recipes)blueprint <- recipe(target ~ ., data = train_data) %>% step_nzv(all_predictors()) %>% step_impute_median(all_numeric()) %>% step_impute_mode(all_nominal())或许也可以尝试
blueprint <- recipe(target ~ ., data = train_data) %>% step_impute_median(all_numeric()) %>% step_impute_mode(all_nominal()) %>% step_nzv(all_predictors()) 取决于step_nzv如何处理缺失值。
我还会检查使用其他填补函数的性能，如
