使用h2o.deeplearning模型对栅格栈执行predict函数时出错

Error: Not compatible with requested type: [type=character; target=double].

问题原因 #

该错误源于栅格数据转换为H2O可处理格式时，部分特征列被识别为字符类型，但模型训练时使用的是数值型（double）特征，导致类型不匹配。具体出现在两个环节：

• 训练数据准备阶段，terra::extract返回的数据可能存在隐式字符类型列；
• 自定义预测函数dnn_pred处理栅格数据时，未确保输出为栅格可接受的数值类型。

解决方案 #

1. 确保训练数据特征列均为数值型 #

在构建训练数据框v时，强制将所有特征列转换为双精度数值型，避免字符类型混入。

2. 修正自定义预测函数 #

调整dnn_pred函数，将H2O的预测结果转换为R的数值向量，适配terra::predict的要求。

修改后的完整代码 #

library(terra)
library(h2o)
library(tidyverse)

h2o.init()

# 创建预测图层栈
logo <- rast(system.file("external/rlogo.grd", package="raster"))
names(logo)

# 存在/缺失点数据
p <- matrix(c(48, 48, 48, 53, 50, 46, 54, 70, 84, 85, 74, 84, 95, 85,
              66, 42, 26, 4, 19, 17, 7, 14, 26, 29, 39, 45, 51, 56, 46, 38, 31,
              22, 34, 60, 70, 73, 63, 46, 43, 28), ncol=2)
a <- matrix(c(22, 33, 64, 85, 92, 94, 59, 27, 30, 64, 60, 33, 31, 9,
              99, 67, 15, 5, 4, 30, 8, 37, 42, 27, 19, 69, 60, 73, 3, 5, 21,
              37, 52, 70, 74, 9, 13, 4, 17, 47), ncol=2)

# 提取点对应的栅格值并构建训练数据
xy <- rbind(cbind(1, p), cbind(0, a))
v <- data.frame(cbind(pa=xy[,1], terra::extract(logo, xy[,2:3]))) %>% 
  mutate(pa = as.factor(pa),
         # 强制所有特征列为双精度数值型
         across(-pa, as.double))

str(v) 

# 导入数据到H2O集群
df <- as.h2o(v)

# 拆分数据集为训练、验证、测试集
splits <- h2o.splitFrame(df, c(0.70,0.15), seed=1234)
train  <- h2o.assign(splits[[1]], "train.hex")
valid  <- h2o.assign(splits[[2]], "valid.hex")
test   <- h2o.assign(splits[[3]], "test.hex")

# 定义响应变量和特征列
y <- "pa"
x <- setdiff(names(train), y)

# 训练深度学习模型
dl_model <- h2o.deeplearning(training_frame=train,                      
  validation_frame=valid,                    
  x=x,                                       
  y=y,                                      
  standardize=TRUE,                          
  seed=125)

# 修正后的预测函数：确保输出为数值向量
dnn_pred <- function(model, data, ...) {
  # 将数据转换为H2O格式，确保特征列类型匹配
  h2o_data <- as.h2o(data)
  # 获取预测结果的概率或类别，转换为R数值向量
  pred <- h2o.predict(model, newdata=h2o_data, ...)
  # 这里取类别1的概率作为栅格值，可根据需求调整为其他输出
  as.vector(pred$p1)
}

# 对栅格进行预测
p <- predict(logo, model=dl_model, fun=dnn_pred)
plot(p)

关键说明 #

• across(-pa, as.double)确保所有特征列都是双精度数值，避免类型混淆；
• 自定义函数中as.vector(pred$p1)将H2O的预测结果转换为R的数值向量，符合terra::predict对输出类型的要求；
• 若需要预测类别而非概率，可替换为as.vector(pred$predict)，但需确保类别能转换为数值。

内容的提问来源于stack exchange，提问作者UseR10085