使用 randomForest、Caret 和因子变量预测栅格时出错

Question

我试图使用 randomForest 和插入符包预测栅格图层，但当我引入因子变量时失败。没有因素，一切正常，但一旦我引入因素，我就会收到错误：

Error in predict.randomForest(modelFit, newdata) : Type of predictors in new data do not match that of the training data.

我在下面创建了一些示例代码来演示该过程。为了提高透明度，我分几个步骤进行了介绍并提供了一个工作示例。

（要跳过设置代码，请从这里向下跳...）

首先是创建样本数据、拟合 RF 模型并预测不涉及任何因素的栅格。一切正常。

# simulate data
x1p <- runif(50, 10, 20) # presence
x2p <- runif(50, 100, 200)
x1a <- runif(50, 15, 25) # absence
x2a <- runif(50, 180, 400)
x1 <- c(x1p, x1a)
x2 <- c(x2p,x2a)
y <- c(rep(1,50), rep(0,50)) # presence/absence
d <- data.frame(x1 = x1, x2 = x2, y = y)

# RF Classification on data with no factors... works fine
require(randomForest)
dRF <- d
dRF$y <- factor(ifelse(d$y == 1, "present", "absent"),
                levels = c("present", "absent"))
rfFit <- randomForest(y = dRF$y, x = dRF[,1:2], ntree=100) # RF Classfication

# Create sample Rasters
require(raster)
r1 <- r2 <- raster(nrow=100, ncol=100)
values(r1) <- runif(ncell(r1), 5, 25 )
values(r2) <- runif(ncell(r2), 85, 500 )
s <- stack(r1, r2)
names(s) <- c("x1", "x2")

# raster::predict() with no factors, works fine.
model <- predict(s, rfFit, na.rm=TRUE, type="prob", progress='text')
spplot(model)

接下来的步骤是创建一个因子变量以添加到训练数据中，并创建一个具有匹配预测值的栅格。请注意，栅格是常规的旧整数，而不是as.factor栅格。一切仍然正常...

# Create factor variable
x3p <- sample(0:5, 50, replace=T)
x3a <- sample(3:7, 50, replace=T)
x3 <- c(x3p, x3a)
dFac <- dRF
dFac$x3 <- as.factor(x3)
dFac <- dFac[,c(1,2,4,3)] # reorder

# RF model with factors, works fine
rfFit2 <- randomForest(y ~ x1 + x2 + x3, data=dFac, ntree=100)

# Create new raster, but not as.factor()
r3 <- raster(nrow=100, ncol=100)
values(r3) <- sample(0:7, ncell(r3), replace=T)
s2 <- stack(s, r3)
names(s2) <- c("x1", "x2", "x3") 
s2 <- brick(s2) # brick or stack, either work

# RF, raster::predict() from fit with factor
f <- levels(dFac$x3) # included, but not necessary
model2 <- predict(s2, rfFit2,  type="prob", 
          progress='text', factors=f, index=1:2)
spplot(model2) # works fine

经过上述步骤后，我现在有了一个 RF 模型，该模型使用包含因子变量的数据进行训练，并在包含相似值的整数栅格的栅格块上进行预测。这是我的最终目标，但我希望能够通过caret包工作流程来实现它。下面我介绍一下caret::train()，没有任何因素，一切都很好。

# RF with Caret and NO factors
require(caret)
rf_ctrl <- trainControl(method = "cv", number=10,
           allowParallel=FALSE, verboseIter=TRUE, 
           savePredictions=TRUE, classProbs=TRUE) 
cFit1 <- train(y = dRF$y, x = dRF[,1:2], method = "rf", 
         tuneLength=4, trControl = rf_ctrl, importance = TRUE)
model3 <- predict(s2, cFit1,  type="prob", 
          progress='text', factors=f, index=1:2) 
spplot(model3) # works with caret and NO factors

（...到这里。这就是问题开始的地方）

这就是事情失败的地方。带有因子变量的插入符号训练 Rf 模型可以工作，但在 处失败raster::predict()。

# RF with Caret and FACTORS
rf_ctrl2 <- trainControl(method = "cv", number=10,
            allowParallel=FALSE, verboseIter=TRUE, 
            savePredictions=TRUE, classProbs=TRUE)
cFit2 <- train(y = dFac$y, x = dFac[,1:3], method = "rf", 
         tuneLength=4, trControl = rf_ctrl2, importance = TRUE)
model4 <- predict(s2, cFit2,  type="prob", 
          progress='text', factors=f, index=1:2) 
# FAIL: "Type of predictors in new data do not match that of the training data."

尝试与上面相同，但不是使用与因子级别具有相同值的整数栅格，而是使用as.factor()和分配级别将栅格变成因子。这也失败了。

#trying with raster as.factor()
r3f <- raster(nrow=100, ncol=100)
values(r3f) <- sample(0:7, ncell(r3f), replace=T)
r3f <- as.factor(r3f)
f <- levels(r3f)[[1]]
f$code <- as.character(f[,1])
levels(r3f) <- f
s2f <- stack(s, r3f)
names(s2f) <- c("x1", "x2", "x3")
s2f <- brick(s2f)

model4f <- predict(s2f, cFit2,  type="prob", 
           progress='text', factors=f, index=1:2)
# FAIL "Type of predictors in new data do not match that of the training data."

caret:train()上述步骤的错误和进展清楚地表明我的方法和vs.存在问题raster::predict()。我已经完成了调试（尽我所能）并解决了我注意到的问题，但没有确凿的证据。

任何和所有的帮助将不胜感激。谢谢！

补充： 我继续胡思乱想，意识到如果模型caret::train()以公式形式编写，它就可以工作。查看模型对象的结构，很容易看出为因子变量创建了对比。我想这也意味着要raster::predict()认识到对比。这很好，但很糟糕，因为我的方法没有设置为使用基于公式的预测。任何额外的帮助仍然值得赞赏。

#with Caret WITH FACTORS as model formula!
rf_ctrl3 <- trainControl(method = "cv", number=10,
            allowParallel=FALSE, verboseIter=TRUE, savePredictions=TRUE, classProbs=TRUE)
cFit3 <- train(y ~ x1 + x2 + x3, data=dFac, method = "rf", 
            tuneLength=4, trControl = rf_ctrl2, importance = TRUE)

model5 <- predict(s2, cFit3,  type="prob", progress='text') # prediction raster
spplot(model5) 

Answer 1

经过大量测试，但答案是，raster::predict()仅适用于从caret::train()包含因子生成的模型，前提是模型以公式 ( y ~ x1 + x2 + x3) 的形式呈现，而不是y = y, x = x（以矩阵或数据框的形式呈现）。只有通过公式界面，模型才会创建适当的对比或虚拟变量。无需通过将栅格图层转换为因子as.factor()。预测功能将为您做到这一点。