将rpart模型转换为PMML时遇逻辑值缺失错误求助

你遇到的这个错误本质上是pmml包处理极端树结构时的小bug：当rpart模型的节点中存在代理分割（surrogate split）信息缺失的情况时，代码里的条件判断if (ff$nsurrogate[parent_ii] > 0)会因为nsurrogate是NA而崩溃。

从你的复现代码来看，设置cp=-1和minsplit=1会让rpart生成非常深且极端的树（几乎每个类别都单独分裂），这种情况下很容易出现节点没有代理分割的情况，进而导致nsurrogate列出现缺失值。

下面是几种可行的解决办法：

方法1：调整rpart参数生成规范树 #

最稳妥的方式是避免生成过于极端的树，把rpart的控制参数调整到合理范围，比如改用默认的cp值，或者提高minsplit的阈值：

library(rpart)
library(pmml)

# 调整参数，生成更规范的决策树
model <- rpart(y ~ a, df, control = rpart.control(minsplit = 5, minbucket = 2, cp=0.01))
# 尝试转换PMML
pmml.rpart(model)

方法2：手动修补模型的缺失值（保留原树结构） #

如果你必须保留当前的树结构，可以手动把model$frame中nsurrogate列的NA值替换为0，让PMML转换的条件判断能正常执行：

# 修补模型中的nsurrogate缺失值
model$frame$nsurrogate[is.na(model$frame$nsurrogate)] <- 0
# 再次执行转换
pmml.rpart(model)

方法3：升级pmml包 #

你的pmml包版本是1.5.7，这个bug在后续的版本中已经被修复了。如果环境允许，建议直接升级到最新版：

install.packages("pmml")

你可以先试试方法1，要是必须保留原树结构再用方法2，升级包则是一劳永逸的方案~

内容的提问来源于stack exchange，提问作者Volokh