如何解决rpart对象预测时的Invalid prediction错误？

咱们来拆解下你的问题，一步步搞定它：

1. 核心问题：训练的是回归树而非分类树 #

你只把test$rating转成了因子，但训练集train$rating还是数值型——这会让rpart默认构建回归树（用于预测连续值），而非分类树。当你用type="class"要求分类预测时，回归树不支持这个参数，直接触发报错。

解决：先把训练集的目标变量转成因子：

train$rating <- as.factor(train$rating)

2. Predict函数参数名错误 #

你的预测代码里用了data=mode，但predict.rpart的正确参数名是newdata，不是data！这个参数名错误也是导致报错的直接原因之一。

3. 确保预测数据集的变量名与训练集完全匹配 #

你手动创建的mode数据集，变量名必须和train的特征变量完全一致（包括大小写、特殊字符、点的数量，甚至拼写细节）。比如你写的re.balanced..paid.back..a.recently.overdrawn.current.acount，可能训练集里的变量名是re.balanced.paid.back.a.recently.overdrawn.current.account（注意最后是account而非acount，或者点的数量不同）。

可以用以下代码快速检查变量名差异：

# 提取训练集的特征变量名（排除目标列rating）
train_features <- setdiff(colnames(train), "rating")
# 对比找出训练集有但mode没有的变量
setdiff(train_features, colnames(mode))
# 对比找出mode有但训练集没有的变量
setdiff(colnames(mode), train_features)

根据输出修正mode的变量名，确保完全匹配训练集的特征列。

最终修正后的完整代码 #

# 1. 统一处理训练集和测试集的目标变量类型
train$rating <- as.factor(train$rating)
test$rating <- as.factor(test$rating)

# 2. 重新训练分类树
fitTree <- rpart(rating ~ ., data = train)

# 3. 确认mode变量名匹配后，执行分类预测
predict(fitTree, newdata = mode, type = "class")

这样就能得到你预期的分类预测结果了。

内容的提问来源于stack exchange，提问作者AdeeThyag