R SVM 对于缺失数据的预测返回 NA

Question

我正在尝试使用 e1071 包中经过训练的 SVM 进行预测，但我的数据包含一些缺失值 (NA)。

当该实例有任何缺失值时，我希望返回的预测为 NA。我尝试使用 na.action = na.pass 如下，但它给了我一个错误“名称错误（ret2）<- rowns : 'names' attribute [150] must be the same length as the vector [149]".

如果我使用 na.omit 那么我可以在没有丢失数据的实例的情况下获得预测。 我如何获得包括 NA 在内的预测？

library(e1071)
model <- svm(Species ~ ., data = iris)
print(length(predict(model, iris)))
tmp <- iris
tmp[1, "Sepal.Length"] <- NA
print(length(predict(model, tmp, na.action = na.pass)))

Answer 1

如果您熟悉 caret 包，您可以在其中使用 233 种不同类型的模型进行拟合（包括包 e1071 中的 SVM），在名为 “按标签相似性聚类的模型” 的部分中，您可以找到一个 csv以及他们用来对算法进行分组的数据。

那里有一个名为“处理丢失的预测数据”的专栏，它告诉您哪些算法可以做您想要的事情。不幸的是 SVM 不包含在那里，但这些算法是：

增强分类树 (ada)

• 袋装 AdaBoost (AdaBag)
• AdaBoost.M1（AdaBoost.M1）
• C5.0（C5.0）
• 成本敏感的C5.0（C5.0Cost）
• 单个 C5.0 规则集（C5.0Rules）
• 单个C5.0树（C5.0Tree）
• 购物车（r部分）
• 购物车（rpart1SE）
• 购物车（rpart2）
• 成本敏感型 CART (rpartCost)
• CART 或序数响应 (rpartScore)
如果您仍然坚持使用 SVM，您可以使用同一包中的

preProccess 函数

中的 knnImpute 选项，这应该允许您预测所有观察结果。

Answer 2

tmp

集中的预测变量：

tmp[complete.cases(tmp), "predict"] <- predict(model, newdata=tmp[complete.cases(tmp),]) 
tmp

#    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species    predict
#1             NA         3.5          1.4         0.2     setosa       <NA>
#2            4.9         3.0          1.4         0.2     setosa     setosa
#3            4.7         3.2          1.3         0.2     setosa     setosa
# ...

Answer 3

predict

输出包含

names()

属性中的原始行号这一事实：tmp[names(predict(model,tmp)),"predict"] = predict(model,tmp)