R语言随机森林建模后计算Shapley值报错：'x' must be numeric

这个报错的核心原因是你的随机森林分类模型返回的预测结果是类别（因子类型），而不是Shapley分析需要的数值型概率值，导致colMeans无法处理非数值的输入。下面是具体的排查和解决步骤：

1. 补全随机森林模型的训练配置 #

你提供的代码里缺少了模型训练的关键部分，首先要确保模型以分类模式训练，并且开启概率输出：

library(tidymodels)
# 训练带概率输出的随机森林分类模型
rf_model <- rand_forest() %>%
  set_engine("ranger", probability = TRUE) %>%  # 关键：让模型返回概率而非类别
  set_mode("classification") %>%
  fit(positive ~ ., data = juiced)

这里的probability = TRUE是核心设置，它会让ranger引擎输出每个样本属于两类的概率值，而不是直接返回类别标签。

2. 正确配置Predictor对象 #

使用iml包的Predictor时，需要明确指定模型返回数值型的概率结果。你可以自定义预测函数来提取正类的概率：

library(iml)
# 自定义预测函数，返回正类（positive=1）的概率
predict_pos_prob <- function(model, newdata) {
  # 提取正类的概率列，确保返回数值型
  predict(model, newdata = newdata, type = "prob")$.pred_1
}

# 创建正确的Predictor对象
predictor <- Predictor$new(
  model = rf_model,
  data = X,
  y = juiced$positive,
  predict.function = predict_pos_prob
)

这样Predictor返回的就是纯数值的概率值，colMeans就能正常处理了。

3. 验证特征数据类型 #

虽然你提到所有特征都是数值型，还是可以快速确认一下：

# 检查X的所有列是否为数值型
all(sapply(X, is.numeric))

如果返回TRUE说明特征类型没问题；如果有非数值列，需要用as.numeric()转换为数值型。

4. 重新运行Shapley计算 #

完成上述配置后，再执行Shapley计算：

shapley <- Shapley$new(predictor, x.interest = X[1, ])

此时应该能正常运行，不会再触发数值类型错误。

内容的提问来源于stack exchange，提问作者Eisen