我目前正在Coursera上学习“实用机器学习”课程，遇到了一些关于predict函数的奇怪行为。问题要求训练一棵树然后进行一些预测。为了不在这里公布答案，我更改了问题中使用的数据集。代码如下：

rm(list = ls())library(rattle)data(mtcars)mtcars$vs = as.factor(mtcars$vs)set.seed(125)model = train(am ~ ., method = 'rpart', data = mtcars)print(model)fancyRpartPlot(model$finalModel)sampleData = mtcars[1,]sampleData[1,names(sampleData)] = rep(NA, length(names(sampleData)))sampleData[1, c('wt')] = c(4)predict(model, sampleData[1,], verbose = TRUE)

在上面的代码中，有两个主要部分。第一部分构建树，第二部分（从sampleData开始）创建一个小样本数据集来应用模型。为了确保我拥有与原始数据完全相同的结构，我简单地复制了训练数据集的第一行，然后将所有列设置为NA。然后我只在决策树需要的列中填入数据（在本例中是wt变量）。

当我执行上述代码时，我得到以下结果：

Number of training samples: 32 Number of test samples:     0 rpart : 0 unknown predictions were addednumeric(0)

作为参考，以下是树的结构：

fancyRpartPlot(model$finalModel)

能有人帮我理解为什么predict函数没有为我提供的sampleData返回预测值吗？

回答：

不幸的是，尽管rpart只在分支中使用了wt变量，但预测仍然需要其他变量存在。使用具有相同列的完整数据集：

> predict(model, mtcars[1,])[1] 0.8571429

Max