使用rpart构建决策树预测时遇“object Rm not found”错误求助

我来帮你拆解下问题根源，你其实误解了predict()函数的输入逻辑：

错误原因 #

你训练的决策树模型classifier是基于公式Medv ~ Rm + Lstat构建的，这意味着模型必须依赖**Rm和Lstat这两个特征变量**才能生成预测结果。但你调用predict()时传入的是test_set[3]（也就是目标列Medv），这时候模型找不到它需要的输入特征，自然会抛出"object not found"的错误。

你想要预测的是test_set里的Medv值，但正确逻辑应该是：给模型传入test_set中的特征列（Rm和Lstat），让模型根据这些特征去推算对应的Medv，而不是反过来传入目标列。

修正后的代码 #

把预测部分的代码改成以下任意一种形式即可：

方式1：明确指定特征列

# 传入测试集的Rm和Lstat列，让模型预测对应的Medv
y_pred = predict(classifier, newdata = test_set[, c("Rm", "Lstat")])

方式2：排除目标列快速获取特征

# 直接排除第三列（Medv），剩下的就是模型需要的特征
y_pred = predict(classifier, newdata = test_set[-3])

额外注意事项 #

• 如果你的Medv是连续数值（比如房价这类回归任务），不需要加type='class'参数——这个参数是给分类任务（目标为类别变量）用的。如果确实是分类任务，记得先把Medv转为因子类型：train_set$Medv <- factor(train_set$Medv)。
• 可以用head(test_set)再确认下数据集列名是否正确，确保Rm、Lstat、Medv三个列名无误。

内容的提问来源于stack exchange，提问作者A-nak Wannapaschaiyong