使用rpart构建网球数据决策树时出现矩阵行数匹配错误

问题场景 #

分析网球数据时，运行rpart构建决策树代码抛出错误：

Error in cbind(yval2, yprob, nodeprob) : 
  number of rows of matrices must match (see arg 2)

使用的完整代码如下：

library(rpart)
library(rpart.plot)
library(ggplot2)
library(wesanderson)

train=read.csv("/ags_test.csv",header=T, na.strings=c("","NA"))
# 注：数据集已用NA填充所有缺失值，共17列、50行

control=rpart.control(cp=0.007)
train$res=as.factor(train$res)
tree=rpart(res~Tournament+Surface+Round+J1Rank+J2Rank+J1Pts+J2Pts+DRank+DPts,data=train,control=control,parms=list(split="gini"))

可能的解决方向 #

• 检查因变量res的类别分布：
  该错误常因因变量仅含单一类别触发。运行table(train$res)确认是否所有样本的res取值完全一致——若如此，rpart无法构建决策树（无类别差异可拆分）。
• 排查NA值对建模样本的影响：
  rpart默认会删除含NA的行，运行nrow(na.omit(train))查看实际参与建模的行数，再用table(train$res, useNA="always")确认NA是否集中在某类别，导致建模时该类别样本数为0。
• 调整复杂度参数cp：
  当前cp=0.007可能过于严格，引发内部计算的行数不匹配。先尝试更大的cp值（如cp=0.01），或直接使用默认rpart.control()参数测试是否能正常运行。
• 检查自变量的取值分布：
  确认Tournament、Surface等分类变量是否存在稀疏类别（如某类别仅1个样本），这可能导致拆分时计算异常。用lapply(train[,c("Tournament","Surface","Round")], table)查看分类变量的分布情况。
• 简化模型公式定位问题：
  先使用最简公式（如res~J1Rank+J2Rank）运行rpart，若成功则逐步添加其他自变量，定位引发错误的变量。

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