R语言Random Forest模型生成混淆矩阵时遇类型错误求助

错误原因 #

你的代码中目标变量price是数值型，randomForest默认会将其识别为回归任务，预测结果p1是连续数值。而confusionMatrix()是专门为分类任务设计的函数，无法处理回归场景下table(testData$price, testData$p1)生成的稀疏交叉表，因此抛出参数类型错误。

解决方案 #

根据你的实际任务类型选择对应方案：

方案1：如果是分类任务（price为离散类别）

先将price转换为因子类型，让randomForest执行分类任务：

# 先把price转为因子（确保是分类任务）
completeData$price <- as.factor(completeData$price)

ind <- sample(2, nrow(completeData), replace = TRUE, prob = c(0.7, 0.3))
trainData <- completeData[ind == 1, ]
testData <- completeData[ind == 2, ]

rf1 <- randomForest(price~., data = trainData)
p1 <- predict(rf1, newdata = testData)

# 生成混淆矩阵
confusionMatrix(table(testData$price, p1))

方案2：如果是回归任务（price为连续数值）

混淆矩阵不适用回归任务，改用回归评估指标：

# 加载Metrics包（如果没安装先执行install.packages("Metrics")）
library(Metrics)

# 计算回归评估指标
mae_value <- mae(testData$price, p1)  # 平均绝对误差
rmse_value <- rmse(testData$price, p1) # 均方根误差
r_squared <- cor(testData$price, p1)^2 # 决定系数

cat("MAE:", mae_value, "\nRMSE:", rmse_value, "\nR²:", r_squared)
# 也可以直接查看randomForest模型自带的OOB指标
print(rf1)

额外注意 #

如果你的price确实是分类变量但未转因子，randomForest会误判为回归任务，这是最常见的触发该错误的原因。确认数据类型是关键。

内容的提问来源于stack exchange，提问作者Doc.s