使用spatialsample导出随机森林回归残差及解决行数不匹配问题

• 先确认预测用的数据集
  确保调用predict()时传入的是原训练数据集，别误传到包含额外样本的数据集（比如不小心混进了测试集或者临时生成的行）。正确的预测代码应该像这样：

  rf_preds <- predict(rf_model, newdata = original_df)
  

• 检查数据索引是否混乱
  很多时候行数不一致是因为索引重复或者错位，先查看原数据和预测结果的索引：

  head(rownames(original_df))
  head(names(rf_preds))
  

  如果发现索引不对，给原数据加个行号列来强制对齐：

  # 给原数据添加行号
  original_df <- original_df %>% mutate(row_id = row_number())
  # 重新预测
  rf_preds <- predict(rf_model, newdata = original_df)
  # 计算残差
  rf_resids <- original_df$你的响应变量列名 - rf_preds
  # 合并坐标和残差
  resids_df <- original_df %>% select(row_id, lon, lat) %>% mutate(residuals = rf_resids)
  

• 排查模型拟合参数
  如果用的是randomForest包，检查拟合模型时有没有设置特殊参数导致输出异常。比如确认拟合时用的是完整的原数据，没有额外添加行，也没开启会生成额外输出的参数（比如keep.inbag这类不影响预测行数，但其他自定义设置要排查）。

• 兜底临时处理（不推荐优先用）
  如果实在找不到根源，直接取预测结果的前N行（N等于原数据行数）来强制对齐：

  # 假设原数据有60行
  rf_resids <- original_df$你的响应变量列名 - rf_preds[1:nrow(original_df)]
  resids_df <- cbind(original_df[,1:2], rf_resids)
  

内容的提问来源于stack exchange，提问作者Nikos