在R中构建回归树调优网格时遇parameters函数报错求助

1. 先理清模型类型（你要的是randomForest，不是单棵决策树） #

你提到要尝试randomForest模型，但当前代码用的是decision_tree()（对应rpart单棵决策树），这是两种不同的模型。如果目标是随机森林，应该用rand_forest()函数，指定引擎为"randomForest"，同时标记要调优的参数：

library(tidymodels)

# 构建随机森林的调优规格
tune_spec <- rand_forest(
  mtry = tune(),       # 每棵树随机选取的特征数
  trees = tune(),      # 森林中树的数量
  min_n = tune()       # 节点分裂所需的最小样本量
) %>% 
  set_engine("randomForest") %>% 
  set_mode("regression")

2. 正确生成调优网格（针对单棵决策树或随机森林） #

不管是哪种模型，要使用grid_regular()生成调优网格，必须先在模型规格中标记出需要调优的参数（用tune()），否则parameters()无法识别可调整的参数，就会报错。

如果你确实想调rpart单棵决策树 #

修正你的原始代码，添加可调参数标记：

# 修正后的单棵决策树规格
tune_spec <- decision_tree(
  cost_complexity = tune(),  # 复杂度惩罚项，控制树的剪枝
  tree_depth = tune(),       # 树的最大深度
  min_n = tune()             # 节点最小样本量
) %>% 
  set_engine("rpart") %>% 
  set_mode("regression")

# 生成调优网格
tree_grid <- grid_regular(parameters(tune_spec), levels = 3)

更简便的写法 #

你也可以直接把模型规格传给grid_regular()，它会自动提取可调参数：

tree_grid <- grid_regular(tune_spec, levels = 3)

报错根源 #

你之前的decision_tree()没有设置任何tune()标记的参数，parameters()函数无法从一个没有可调参数的模型对象中生成参数集，因此抛出错误。另外注意区分单棵决策树（decision_tree()+rpart）和随机森林（rand_forest()+randomForest）的用法，避免模型类型混淆。

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