随机森林分类训练报错：Can't have empty classes in y 求助

错误原因 #

你遇到的错误是因为当前的折叠生成方式没有实现真正的分层抽样，导致某一折的训练集中缺失了某个类别，而randomForest要求训练集必须包含所有目标类别。

你的代码里用了cut(..., stratified = TRUE)，但base R的cut()函数根本没有stratified参数，这行代码完全没起到分层作用，随机拆分后部分训练集自然会丢失类别。

解决步骤 #

1. 用正确的方法生成分层折叠 #

推荐使用caret包的createFolds()函数，它会严格按照类别分布拆分数据集，保证每个折叠的训练/测试集都包含所有类别。

2. 检查数据集类别样本量 #

确保原数据集中每个类别的样本量至少为5（对应5折交叉验证），如果有类别样本数不足5，需要考虑合并相似类别或补充数据，否则即使分层也会出现训练集缺类的情况。

修改后的完整代码 #

# Load required libraries
library(randomForest)
library(caret)

# Convert labels to factors
mydata$label <- as.factor(mydata$label)

# Verify class distribution (optional but recommended)
table(mydata$label)

# Set parameter ranges
nt_values <- seq(25, 375, by = 25)  # 修正原代码步长错误，匹配需求的每次递增25
np_values <- c(2, 4, 6, 8)

# Initialize best parameters tracker
best_accuracy <- 0
best_nt <- 0
best_np <- 0

# Generate stratified 5-fold indices once (避免重复生成提升效率)
set.seed(123)
folds <- createFolds(mydata$label, k = 5, returnTrain = FALSE)

# Grid search with cross-validation
for (nt in nt_values) {
  for (np in np_values) {
    cv_accuracies <- numeric(5)
    
    for (i in 1:5) {
      test_indices <- folds[[i]]
      train_data <- mydata[-test_indices, ]
      test_data <- mydata[test_indices, ]
      
      # 可选：调试用，检查训练集类别完整性
      if(length(unique(train_data$label)) != length(unique(mydata$label))){
        warning(paste("Fold", i, "train set missing classes"))
        next
      }
      
      rf_model <- randomForest(label ~ ., data = train_data, ntree = nt, mtry = np)
      predictions <- predict(rf_model, newdata = test_data)
      cv_accuracies[i] <- sum(predictions == test_data$label) / nrow(test_data)
    }
    
    mean_accuracy <- mean(cv_accuracies, na.rm = TRUE)
    if (mean_accuracy > best_accuracy) {
      best_accuracy <- mean_accuracy
      best_nt <- nt
      best_np <- np
    }
  }
}

# Print best results
cat("Best accuracy:", best_accuracy, "\n")
cat("Best ntree:", best_nt, "\n")
cat("Best mtry:", best_np, "\n")

额外说明 #

• 修正了原代码中nt_values的步长错误（原代码用by=50，与需求的每次递增25不符）
• 添加了类别分布检查和训练集类别完整性的调试警告，方便排查问题
• 将折叠生成放在循环外，避免重复生成，提升运行效率

内容的提问来源于stack exchange，提问作者user12540531