变量必须至少具有两个级别（R代码）

Question

我的训练数据如下：

A   B   C   D
1   1   1   1
1   1   1   2
1   1   2   1
1   1   2   1
1   1   2   2
1   1   2   2
1   2   1   1
1   2   1   1
1   2   1   2
1   2   1   2
1   2   2   1
1   2   2   2
2   1   1   1
2   1   1   1
2   1   1   2
2   1   1   2
2   1   2   1
2   1   2   1
2   1   2   2
2   1   2   2
2   2   1   1
2   2   1   2
2   2   2   1
2   2   2   2
2   2   2   2

以及我的测试数据：

A   B   C   D
1   1   2   1
1   1   2   2
1   1   1   1
2   1   2   2

我使用以下方法进行拟合：

dag <- model2network("[A][B][C|A:B][D|A:B:C]")
training <- bn.fit(dag, trainingData, method = "mle", keep.fitted = TRUE)

而且我正在尝试使用以下方法预测D列的值：

predicted = predict(training, node = "D", data = testData,  method = "parents", prob = FALSE)

但是我得到了错误

check.data（data，allow.levels = TRUE）中的错误：变量B必须至少有两个级别。

我该如何解决？我认为测试数据不需要具有包含在训练数据中的所有级别-实际上，即使测试数据仅具有一个实例，也不应该能够进行预测吗？

Answer 1

由于您的变量都被编码为factor，因此它们“具有”因子水平列表。创建training时，在B列中具有1和2，并且因子级别（隐式在后台）设置为c（1，2）。但是，当您创建testData时，您在B列中只有1，并且因子级别（隐式地在后台）被设置为仅1。

我们可以通过明确声明trainign$B具有级别c(1, 2)来解决此问题，即使在数据中仅出现1。

trainign$B <- factor(training$B, levels=c(1, 2))