R语言caret包回归模型测试集评估RMSE、R²的两类报错排查

随机森林预测触发missing values in newdata的核心原因 #

• 不同模型的输入校验逻辑存在差异：线性回归、弹性网络、回归树的底层predict方法对newdata的缺失值默认做静默兼容，即便测试集存在少量NA也不会中断流程；但randomForest包的预测方法会在执行前逐列校验newdata的全量缺失值，只要存在任意NA就直接抛错，不存在自动容错机制。
• 训练/测试集的预处理逻辑不统一：训练集的样本经过了缺失值清洗，所以所有模型的训练流程能正常跑通；但测试集没有同步执行完全一致的缺失值处理流程，残留的未处理缺失值只有在触发严格校验的随机森林预测环节才会暴露。
• 容易忽略的隐性缺失值场景：检查测试集的分类特征列是否存在训练集没出现过的新类别、数值列是否混入无法解析的字符串值——这类场景不会在数据导入时直接报错，只会把对应位置自动解析为NA，触发随机森林的校验报错。

其余模型指标返回NA的核心原因 #

• 预测值结构未做统一对齐：回归树的predict输出本身就是无嵌套的纯数值向量，和测试集样本顺序、长度完全匹配，所以能正常计算指标；线性回归、弹性网络、随机森林的predict输出往往带矩阵结构、行名索引、因子属性，直接和真实值逐位计算时，会因为索引错位、类型不匹配导致计算结果返回NA。
• 预测值未做异常值清洗：其余三类模型对缺失值的静默容错机制，会让预测值在原缺失值位置输出NA，直接代入RMSE、R²的计算公式时，整个计算结果就会被NA污染，返回全NA值。
• 弹性网络的特殊场景：如果弹性网络模型是通过glmnet包训练的，默认predict输出是矩阵结构，没有通过as.vector()展平的话，和一维的真实值向量做运算时也会触发维度不匹配，返回NA。

快速落地修复步骤 #

• 先执行colSums(is.na(test.dat))逐列定位测试集的缺失值，套用和训练集完全一致的缺失值填充规则（比如训练集用中位数填充数值列、众数填充分类列，测试集不能换用其他填充逻辑），补全所有缺失值后再执行随机森林预测，即可解决报错。
• 所有模型的预测结果统一通过as.vector()强制转成纯数值向量，去掉所有嵌套结构、附带属性，确保预测向量和测试集真实目标值的长度完全一致、顺序完全对齐。
• 计算评估指标前加两道基础校验：确认两个向量长度相等、不存在未处理的NA值，再代入RMSE、R²的计算公式，即可避免指标返回NA的问题。

内容的提问来源于stack exchange，提问作者aishya3000