У меня есть df, который все числа c значения. Столбцы 1: 1028 являются предикторами, а столбцы 1029: 1033 - ответами. Вот подмножество этого:
PhHAL9G636300 PhHAL9G639600 PhHAL9G640000 PhHAL9G642000 PhHAL9G643800 PhHAL9G645300 PhHAL9G646100 PhHAL9G646600 PhHALJ003900 Biomass Growth WaterLoss
PENW3 5.365778 2.98025485 5.495861 4.405202465 2.9113147 2.5418600 2.09767062 2.52296664 1.9087030 0.46125981 -13.4226665 -0.37320470
PENW1 3.490321 4.64568874 3.717329 3.604487984 2.1293068 2.2661013 -1.47617955 -0.83020824 -1.4564567 4.61259811 -14.4985291 -1.41470618
CERD2 4.602228 1.83881344 4.474194 2.395140203 3.7523682 -0.2886215 -0.73070022 2.79344405 -0.7981627 -0.76634289 5.5581189 15.96563076
COCW2 4.614825 1.59769640 5.498260 0.006269791 1.9118368 4.2591423 3.73962184 2.53800230 2.5671915 -0.13178852 -25.7182390 -0.07377302
PENW2 2.874244 3.33668026 2.686314 3.640362110 3.3344128 1.5625493 -1.92483779 0.85800308 -1.8455277 -0.09584619 -15.5743917 -0.99376599
NIGD3 2.534445 1.86024236 3.028953 3.531425944 4.2376438 2.0732650 -0.46514048 0.79555084 -0.5451820 1.05436439 12.0221867 21.04783002
PEND2 5.362056 2.64328649 4.464727 3.452061385 3.8409665 -0.5227258 -0.06950176 2.05314895 -1.5741809 0.68405104 4.6766551 11.99731270
CERD3 6.379754 3.02126477 5.958883 2.617817128 3.2571087 0.6389388 -1.54158346 2.70402517 -1.5102857 -0.98235901 4.4562891 15.74806130
PEND3 5.530008 3.49150186 4.664897 4.122665811 3.4805644 1.6611925 1.00556471 2.13871970 -0.5366320 0.42174575 3.2075488 12.88432662
NIGW3 4.183288 5.26329612 5.928775 8.194201254 1.4188970 3.3488663 -0.24100014 1.17649150 -0.3305682 0.29951936 1.1783257 1.30187685
SORW2 6.893395 3.84929409 7.853042 0.700629044 1.2822700 3.7429352 2.73703304 3.38057924 2.5338634 0.02995194 -12.5004986 -5.77946530
BISD3 7.044496 2.75794859 3.816874 2.703812532 2.6916801 2.3260304 3.37232732 2.31685090 1.7024061 -1.02864818 -0.6121276 14.66858209
COCD2 5.393332 3.05175638 5.822644 2.200587922 2.2212163 2.4246024 3.13408898 2.07709126 2.1863062 -0.10286482 -2.4485105 7.86349310
BISW2 2.174211 2.62450842 5.128353 4.037738498 1.3183220 0.9764650 0.53499762 1.02802526 0.4124477 1.55750066 -25.8719336 -13.89189391
SORD3 6.154951 2.22626768 4.676438 0.489662530 1.1602737 1.6238320 3.90773303 3.34912476 3.7395865 0.11315130 0.2693362 17.67178436
COCW3 4.341137 4.05631371 5.292476 2.505723413 0.4784145 0.1552958 2.35139206 2.34302308 1.9836908 -1.03034659 -25.2571550 -1.06753902
CERW1 4.980878 0.91666130 2.190792 1.724122567 3.0002243 -0.9078029 -1.30732267 1.90047369 -1.3084019 -0.11381736 -10.3487734 -0.48603403
NIGW1 4.310666 5.24869379 6.482000 6.341412520 2.6579484 3.7324397 -0.69538644 1.39456781 -0.7667490 -0.07787503 1.9467990 -2.35639710
SORD2 3.439050 1.01743984 3.608031 1.984325521 0.9697594 1.9438491 2.75019240 3.59450372 3.0152745 -0.14915399 1.8118978 19.30355526
BISW3 4.995399 3.02559441 5.391413 0.707718031 -0.0867396 2.1041361 3.57258520 2.88651590 2.2532781 1.48561601 -26.3330176 -12.63775254
SORD1 4.867184 3.58269882 5.082423 0.847579020 1.1842905 3.2943452 3.54584508 2.26684212 3.2791237 -1.80013432 -3.0361530 18.53648347
NIGD2 3.433412 1.38880580 5.344590 6.113465129 1.3389915 0.9967764 0.55527371 1.04742251 0.4318620 1.16237244 10.5530804 20.06039943
SORW3 6.832991 3.48434777 7.954499 -0.373941722 0.9673997 3.8959556 2.87342668 3.53076025 2.5194703 1.12619278 -7.8896590 -6.45557334
PEND1 4.536131 1.98241616 2.469180 2.938093546 4.6266296 -0.3003059 -1.62573524 1.53755316 -1.5869045 0.49889437 3.3544594 12.90013295
CERW3 3.947328 1.97539246 4.499408 1.135578151 2.1385166 -0.2011640 -0.65101772 -0.06185877 -0.7272633 -0.04193271 -7.1211857 -1.98319240
NIGD1 1.517705 -0.02588437 2.040182 4.303738855 3.0117854 -0.9594330 -1.35627738 0.18988023 -1.3514038 0.88463744 8.0555996 20.38861318
COCW1 4.705918 2.51742179 4.476741 0.975394641 1.2854224 3.7611179 3.28623937 2.48855442 3.5451750 0.60502910 -26.9477962 0.97206804
BISD2 4.838736 3.99032517 7.239421 2.461942761 2.4587895 2.0971745 3.19578030 2.09829508 1.4836582 -1.10579679 -0.9059489 14.44078502
Я следую руководству по пакету IPMRF (стр. 7):
#IMP based on CIT-RF (party package)
library(randomForestSRC)
library(party)
mtcars.new <- mtcars
ntree<-500
da<-mtcars.new[,3:10]
mc.cf <- cforest(carb+ mpg+ cyl ~., data = mtcars.new,
control = cforest_unbiased(mtry = 8, ntree = 500))
#IPM case-wise computing with OOB with party
pupf<-ipmparty(mc.cf ,da,ntree)
#global IPM
pua<-apply(pupf,2,mean)
pua
Но я переключаю mtcars для своего набора данных. Тем не менее, когда я запускаю мой, я получаю все NaN в выводе, и я не могу понять, что не так с моим кодом. До сих пор я проверял, все ли числа c, если это предел в предикторах (пробовал 10, а не 1028), изменил mtcars, чтобы иметь отрицательные значения, чтобы проверить, так как у меня есть отрицательные значения, но ни одно из них, кажется, не проблема. Конечно, пожалуйста, проверьте меня на всякий случай. Вот мой код, который я запускаю с моим набором данных:
phallii.cf = cforest(Biomass + Growth + WaterLoss ~., data= RFTrainData, control=cforest_unbiased(mtry=33, ntree=1000)) #mtry = p/3
da = RFTrainData[,1:1028] #predictor variables only
ntree=1000
phallii.ipm = ipmparty(phallii.cf, da, ntree)
Если у кого-то есть какие-либо идеи, я был бы очень признателен!