使用Tidymodels的C5_rules()拟合分类模型报错如何解决？

你目前仅完成了C5.0规则模型的规格定义，还未将模型规格与训练数据绑定完成拟合，底层C5.0对象没有生成实际的分类规则，所以预测时会抛出缺失规则/树的错误。

必要补充步骤 #

1. 确认依赖包加载 #

C5_rules() 属于rules扩展包，拟合前需确保已加载：

library(rules)
library(tidymodels)

2. 完成模型拟合 #

有两种常用的拟合方式：

方式一：直接用fit()对接公式和训练数据

适合无复杂预处理的场景，直接将模型规格与公式、训练数据绑定拟合：

# 替换为你的训练数据集、目标变量名和特征公式
c5_fit <- c5_spec %>%
  fit(目标变量名 ~ ., data = 训练数据集)

方式二：通过workflow绑定后拟合（更推荐）

适合搭配复杂预处理、重抽样评估的场景，也是tidymodels的标准实践：

library(workflows)

# 构建工作流，绑定预处理（这里用公式为例，也可绑定recipe）和模型
c5_wf <- workflow() %>%
  add_formula(目标变量名 ~ .) %>%
  add_model(c5_spec)

# 传入训练数据完成拟合
c5_fit <- c5_wf %>%
  fit(data = 训练数据集)

3. 验证拟合结果 #

拟合完成后可直接调用predict()做预测，不会再触发报错：

# 替换为你的测试数据集
predict(c5_fit, new_data = 测试数据集)

常见踩坑提示 #

你报错信息中出现preprocessor 1/1, model 1/1说明你可能在使用fit_resamples()做重抽样评估，这时候需注意：

• 传入fit_resamples()的必须是同时绑定了预处理和模型的workflow，不能直接传入未绑定预处理的模型规格
• 如果同时在做超参数调优，需要先在C5_rules()中为待调参数设置tune()占位符，改用tune_grid()执行调优流程，不能直接用fit_resamples()

内容的提问来源于stack exchange，提问作者cyn