Caret训练复现rpart模型时报na.fail.default目标存在缺失值错误

该报错不是目标变量存在缺失导致，核心原因是caret的train()函数默认缺失值处理策略为na.fail，只要输入数据集存在任何缺失值（你提到的预测变量NA也包含在内）就会直接终止运行；而原生rpart()函数默认使用na.rpart策略，可自动适配含缺失值的特征进行树分裂，因此之前运行无异常。

此外你原有caret调用的参数传递逻辑也有问题：直接传入的rpart.control中的cp值会被caret默认的自动超参数搜索逻辑覆盖，无法复现你原有rpart模型的效果。

• 第一步：在train()函数中显式指定na.action = na.rpart，和原生rpart的缺失值处理逻辑对齐，同时通过tuneGrid固定cp取值，避免caret自动调参，修改后代码如下：

library(rpart)
library(caret)

model <- train(
  target ~ .,
  data = train_data,
  method = "rpart",
  # 固定cp取值，完全对齐原有rpart参数
  tuneGrid = data.frame(cp = -0.3),
  # 传递rpart原生控制参数
  control = rpart.control(
    xval = 0,
    minsplit = 80,
    minbucket = 1,
    maxdepth = 8
  ),
  # 关键：修改缺失值处理策略
  na.action = na.rpart
)

• 第二步：可运行以下代码验证目标变量确实无缺失，彻底排除目标变量的问题：

sum(is.na(train_data$target))

返回结果为0即可确认目标变量无缺失。

• 第三步：后续做交叉验证调优时，针对你的类别极度不均衡的数据集，建议自定义trainControl配置适配非均衡分类的评估逻辑，避免被多数类误导：

tr_ctrl <- trainControl(
  method = "cv",
  number = 5, # 5折交叉验证，可按需调整
  classProbs = TRUE,
  summaryFunction = multiClassSummary
)

将上述tr_ctrl传入train函数的trControl参数即可，评估模型时优先参考Macro F1、加权AUC等均衡性指标，不要使用整体准确率。

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