使用Random Forest计算数据准确率遇报错：无缺失值仍提示缺失值

核心问题排查 #

你只检查了SalePrice列的缺失值，但整个训练集的其他特征列可能存在缺失值，这是引发缺失值报错的主要原因。randomForest默认会因数据中存在缺失值而触发报错，即使目标变量本身无缺失。

代码中的关键错误修正 #

1. 错误的包加载赋值
   你把library(randomForest)的执行结果赋值给了house_model，这会直接覆盖后续生成的模型对象，引发后续预测环节的异常。应单独加载包：

   library(randomForest)
   

2. 不必要的因子转换（针对回归任务）
   房价SalePrice属于连续数值型变量，若你做的是回归预测，无需将其转换为因子。强行转换会把回归任务误变为分类任务，且当房价唯一值数量过多时，还会引发额外的模型运行问题。

缺失值排查与处理步骤 #

1. 全局检查缺失值
   运行以下代码，查看训练集所有列的缺失值分布：

   # 统计每列的缺失值数量
   colSums(is.na(train))
   # 定位存在缺失值的列
   which(colSums(is.na(train)) > 0)
   

2. 缺失值处理方案

   • 删除缺失行：若缺失数据占比极低，可直接删除含缺失值的观测（注意训练集和测试集需同步处理）：

     train_clean <- na.omit(train)
     test_clean <- na.omit(test)
     

   • 填充缺失值：若缺失数据占比较高，建议用中位数/均值填充数值型变量，用众数填充分类变量，或使用mice包进行多重插补。

修正后的完整代码（回归任务示例） #

# 加载randomForest包
library(randomForest)

# 检查并处理训练集缺失值（此处以删除为例）
train_clean <- na.omit(train)
test_clean <- na.omit(test)

# 构建Random Forest回归模型
house_model <- randomForest(SalePrice ~ ., data = train_clean, ntree = 500)

# 生成预测结果并格式化
prediction <- predict(house_model, test_clean)
prediction_formatted <- format(round(prediction))
print(prediction_formatted)

# 查看模型信息
print(house_model)

额外提示 #

若你确实需要做分类任务（如将房价划分为不同档次），需先对SalePrice进行合理分箱后再转换为因子，同时确保所有特征列无缺失值。

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