我创建并调整了多个模型，但在尝试预测时遇到了问题。我首先运行以下代码来调整LDA模型。

library(MASS)library(caret)library(randomForest)data(survey)data<-survey#create training and test setsplit <- createDataPartition(data$W.Hnd, p=.8)[[1]]train<-data[split,]test<-data[-split,]#creating training parameterscontrol <- trainControl(method = "cv",                        number = 10,                         p =.8,                         savePredictions = TRUE,                         classProbs = TRUE,                         summaryFunction = twoClassSummary)#fitting and tuning modellda_tune <- train(W.Hnd ~ . ,             data=train,             method = "glm" ,            metric = "ROC",            trControl = control)

然而，当我运行 results <- predict(rf_tune, newdata=test) 时，

输出只有32行，而测试集有46行。这是个问题，因为我创建了一个包含多个模型预测值的测试结果data.frame，以便使用混淆矩阵进行分析。例如，当我运行以下代码时

results<-data.frame(obs = test$W.Hnd, lda = predict(lda_tune, newdata = test))

我得到了错误 Error in$<-.data.frame(tmp, "rf_results", value = c(2L, 2L, 2L, : replacement has 32 rows, data has 46

能有人解释一下为什么caret在有明显46个值需要预测的情况下，或者当我明确调用模型预测测试集中的值时，返回了32个预测值吗？

回答：

运行你的代码时，我这边出现了错误。twoClassSummary返回了一个错误。但忽略这一点，你先是提到lda_tune，后来又提到rf_tune。

考虑到这些问题，问题出在你的测试集中有缺失值。如果你检查 nrow(test[complete.cases(test), ])，你会发现它返回了33个案例。这正是predict返回的值。

我添加了下面的代码供参考。包括rf_tune和lda_tune及其结果。

library(MASS)library(caret)library(randomForest)data(survey)data<-survey#create training and test setsplit <- createDataPartition(data$W.Hnd, p=.8)[[1]]train<-data[split,]test<-data[-split,]#creating training parameterscontrol <- trainControl(method = "cv",                        number = 10,                         p =.8,                         savePredictions = TRUE,                         classProbs = TRUE)#fitting and tuning modellda_tune <- train(W.Hnd ~ . ,                   data=train,                   method = "glm" ,                  metric = "ROC",                  trControl = control)rf_tune <- train(W.Hnd ~ . ,                   data=train,                   method = "rf" ,                  metric = "ROC",                  trControl = control)lda_results <- data.frame(obs = test$W.Hnd[complete.cases(test)], lda = predict(lda_tune, newdata = test))rf_results <- data.frame(obs = test$W.Hnd[complete.cases(test)], lda = predict(rf_tune, newdata = test))