我正在研究一个数据集，该数据集有大约 2500 个观测值和 46 个变量。我能够找出发生错误的确切原因，但无法解决它。
以下是产生错误错误的代码：
test$rating<-as.factor(test$rating)
fitTree<-rpart(rating~.,data=train)
predict(fitTree,data=mode,type="class")
> predict(fitTree,data=mode,type="class") Error in predict.rpart(fitTree, data = mode, type = "class") : Invalid prediction for "rpart" object
预测函数内 data= 模式下的模式数据集有 45 个变量，是使用以下代码创建的：
mode<-data.frame(functionary=0,re.balanced..paid.back..a.recently.overdrawn.current.acount=1,FI3O.credit.score=1,...till 45 variables)
模式数据集没有信用列，所以我们 通过使用训练数据集进行训练来预测它。
如果我从代码中删除部分类型="类"，则可以工作，但问题是它没有给我正确的输出。它给我的输出看起来像这样：
> predict(fitTree,data=hypo_mode)
> 1 2 3 4 5 6 7 > 8 9 10 11 > 0.0000000 0.0000000 0.4285714 0.4285714 1.6592179 1.6592179 1.9379562 1.9379562 1.5789474 2.0739437 1.9379562 > 12 13 14 15 16 17 18 19 20 21 22 > 2.0739437 1.5789474 1.6592179 2.0739437 0.0000000 1.6592179 0.0000000 1.5789474 1.9379562 1.9379562 2.0739437 > 23 24 25 26 27 28 29 30 31 32 33 > 2.7741935 0.0000000 1.6592179 1.9379562 0.0000000 1.9379562 1.9379562 1.9379562 1.9379562 0.0000000 1.6592179 > 34 35 36 37 38 39 40 41 42 43 44 > 0.1929825 1.5789474 0.0000000 0.1929825 2.0739437 1.1666667 2.0739437 2.0739437 1.5789474 1.5789474 0.0000000 > 45 46 47 48 49 50 51 52 53 54 55 > 1.6592179 1.9379562 0.0000000 1.5789474 1.9379562 1.9379562 1.9379562 1.6592179 1.6592179 1.5789474 1.5789474 > 56 57 58 59 60 61 62 63 64 65 66 > 2.0739437 1.6592179 2.0739437 1.5789474 0.4285714 0.0000000 1.5789474 1.6592179 1.5789474 1.6592179 1.9379562 > 67 68 69 70 71 72 73 74 75 76 77 > 2.0739437 0.0000000 1.9379562 2.0739437 1.5789474 2.0739437 0.0000000 1.6592179 2.0739437 2.0739437 1.9379562 > 78 79 80 81 82 83 84 85 86 87 88 > 1.6592179 0.1929825 1.6592179 1.5789474 1.9379562 1.9379562 0.0000000 2.0739437 2.7741935 2.7741935 2.0739437 > 89 90 91 92 93 94 95 96 97 98 99 > 1.5789474 0.1929825 1.5789474 0.0000000 1.9379562 0.1929825 0.0000000 1.6592179 1.9379562 1.9379562 1.5789474 > 100 101 102 103 104 105 106 107 108 109 110 > 2.0739437 1.5789474 1.5789474 1.9379562 2.7741935 0.0000000 1.5789474 2.0739437 2.0739437 0.0000000 2.0739437 > 111 112 113 114 115 116 117 118 119 120 121 > 1.6592179 1.9379562 2.0739437 1.6592179 1.5789474 1.6592179 2.0739437 2.0739437 1.5789474 1.9379562 2.0739437 > 122 123 124 125 126 127 128 129 130 131 132 > 1.6592179 2.7741935 1.5789474 1.9379562 1.6592179 0.1929825 1.9379562 2.0739437 1.5789474 1.9379562 2.0739437 > 133 134 135 136 137 138 139 140 141 142 143 > 1.5789474 1.9379562 2.7741935 0.0000000 1.9379562 2.0739437 2.0739437 2.2777778 1.9379562 1.6592179 2.0739437 > 144 145 146 147 148 149 150 151 152 153 154 > 2.0739437 1.9379562 1.6592179 1.9379562 1.6592179 2.7741935 2.0739437 0.0000000 2.0739437 0.0000000 0.0000000 > 155 156 157 158 159 160 161 162 163 164 165 > 1.5789474 2.7741935 1.9379562 1.6592179 1.1666667 1.5789474 1.5789474 0.0000000 2.0739437 1.6592179 1.6592179 > 166 167 168 169 170 171 172 173 174 175 176 > 0.0000000 1.5789474 2.0739437 1.6592179 0.0000000 1.5789474 1.6592179 0.0000000 2.2777778 1.6592179 1.9379562 > 177 178 179 180 181 182 183 184 185 186 187 > 1.9379562 1.9379562 2.2777778 0.1929825 1.1666667 1.9379562 2.0739437 0.0000000 0.0000000 1.9379562 1.6592179 > 188 189 190 191 192 193 194 195 196 197 198 > 2.0739437 1.6592179 2.0739437 1.9379562 1.9379562 1.9379562 2.0739437 1.9379562 1.1666667 0.0000000 2.0739437 > 199 200 201 202 203 204 205 206 207 208 209 > 1.6592179 1.9379562 1.9379562 2.0739437 2.0739437 1.5789474 2.0739437 1.1666667 1.9379562 1.9379562 0.0000000 > 210 211 212 213 214 215 216 217 218 219 220 > 1.9379562 0.0000000 2.0739437 1.9379562 1.9379562 1.5789474 1.5789474 1.9379562 0.0000000 1.9379562 0.0000000 > 221 222 223 224 225 226 227 228 229 230 231 > 0.0000000 1.5789474 2.0739437 1.9379562 2.0739437 1.6592179 0.1929825 1.5789474 2.0739437 1.5789474 1.9379562 > 232 233 234 235 236 237 238 239 240 241 242 > 2.0739437 1.6592179 1.5789474 1.9379562 1.9379562 1.6592179 2.0739437 1.9379562 1.9379562 1.9379562 1.5789474 > 243 244 245 246 247 248 249 250 251 252 253 > 1.9379562 2.0739437 2.0739437 2.0739437 1.6592179 2.0739437 0.0000000 1.5789474 0.0000000 1.6592179 1.9379562 > 254 255 256 257 258 259 260 261 262 263 264 > 2.7741935 0.0000000 2.0739437 1.5789474 1.9379562 1.9379562 0.0000000 2.0739437 1.6592179 1.9379562 0.0000000 > 265 266 267 268 269 270 271 272 273 274 275 > 2.2777778 1.5789474 1.9379562 2.0739437 2.0739437 1.5789474 1.1666667 1.6592179 1.5789474 1.5789474 1.5789474 > 276 277 278 279 280 281 282 283 284 285 286 > 2.0739437 1.5789474 2.0739437 2.0739437 1.5789474 1.5789474 1.6592179 1.9379562 1.9379562 1.9379562 0.0000000 > 287 288 289 290 291 292 293 294 295 296 297 > 1.6592179 1.9379562 2.0739437 2.0739437 2.0739437 1.5789474 2.0739437 0.1929825 1.5789474 1.1666667 1.5789474 > 298 299 300 301 302 303 304 305 306 307 308 > 1.5789474 1.6592179 1.6592179 0.4285714 1.9379562 1.5789474 0.0000000 1.9379562 1.5789474 1.9379562 0.0000000 > 309 310 311 312 313 314 315 316 317 318 319 > 1.9379562 1.1666667 0.0000000 1.6592179 1.5789474 1.5789474 1.5789474 1.6592179 2.0739437 2.0739437 1.9379562 > 320 321 322 323 324 325 326 327 328 329 330 > 2.0739437 0.0000000 2.0739437 0.0000000 1.6592179 1.6592179 1.9379562 2.0739437 1.9379562 1.5789474 1.5789474 > 331 332 333 334 335 336 337 338 339 340 341 > 1.5789474 0.1929825 0.0000000 1.1666667 2.0739437 2.0739437 0.0000000 1.6592179 1.9379562 1.5789474 0.1929825 > 342 343 344 345 346 347 348 349 350 351 352 > 1.6592179 1.6592179 2.0739437 0.0000000 2.7741935 1.9379562 0.0000000 1.6592179 1.9379562 1.9379562 0.0000000 > 353 354 355 356 357 358 359 360 361 362 363 > 1.6592179 1.9379562 0.0000000 0.1929825 0.0000000 0.0000000 2.0739437 0.1929825 2.0739437 1.6592179 1.5789474 > 364 365 366 367 368 369 370 371 372 373 374 > 1.6592179 1.1666667 0.1929825 1.9379562 2.0739437 2.0739437 1.9379562 2.0739437 1.9379562 1.6592179 2.7741935 > 375 376 377 378 379 380 381 382 383 384 385 > 2.0739437 1.9379562 2.0739437 0.0000000 1.5789474 2.2777778 2.7741935 0.1929825 1.6592179 2.7741935 0.0000000 > 386 387 388 389 390 391 392 393 394 395 396 > 2.0739437 1.6592179 1.5789474 1.9379562 2.0739437 1.9379562 2.0739437 2.0739437 1.1666667 1.6592179 1.6592179 > 397 398 399 400 401 402 403 404 405 406 407 > 1.9379562 1.5789474 1.5789474 1.5789474 1.9379562 1.6592179 2.0739437 2.0739437 0.0000000 2.0739437 1.5789474 > 408 409 410 411 412 413 414 415 416 417 418 > 1.6592179 2.0739437 1.1666667 1.6592179 1.5789474 2.0739437 1.1666667 1.9379562 1.6592179 0.0000000 1.6592179 > 419 420 421 422 423 424 425 426 427 428 429 > 1.6592179 1.5789474 1.5789474 1.6592179 2.0739437 1.5789474 2.7741935 1.9379562 0.4285714 1.9379562 1.5789474 > 430 431 432 433 434 435 436 437 438 439 440 > 1.1666667 1.5789474 1.9379562 0.0000000 2.0739437 1.9379562 2.0739437 1.6592179 1.6592179 1.5789474 1.5789474 > 441 442 443 444 445 446 447 448 449 450 451 > 1.5789474 1.9379562 1.6592179 1.5789474 1.9379562 1.5789474 1.5789474 2.0739437 0.4285714 0.4285714 2.0739437 > 452 453 454 455 456 457 458 459 460 461 462 > 1.6592179 1.6592179 2.0739437 0.0000000 1.6592179 2.0739437 1.9379562 1.9379562 2.0739437 0.1929825 1.5789474 > 463 464 465 466 467 468 469 470 471 472 473 > 1.5789474 1.9379562 0.0000000 2.0739437 2.0739437 1.9379562 1.5789474 0.0000000 0.0000000 2.0739437 2.0739437 > 474 475 476 477 478 479 480 481 482 483 484 > 1.6592179 2.0739437 2.0739437 1.9379562 1.6592179 2.0739437 1.5789474 1.9379562 1.6592179 2.2777778 1.5789474 > 485 486 487 488 489 490 491 492 493 494 495 > 0.1929825 1.5789474 1.5789474 1.6592179 2.0739437 1.9379562 1.5789474 2.0739437 1.6592179 1.9379562 1.1666667 > 496 497 498 499 500 501 502 503 504 505 506 > 1.5789474 2.0739437 2.0739437 2.2777778 1.9379562 1.1666667 1.5789474 1.9379562 0.0000000 1.6592179 2.0739437 > 507 508 509 510 511 512 513 514 515 516 517 > 1.9379562 1.9379562 2.0739437 2.0739437 1.9379562 1.9379562 0.0000000 1.5789474 2.0739437 2.0739437 2.0739437 > 518 519 520 521 522 523 524 525 526 527 528 > 2.0739437 1.5789474 2.0739437 2.0739437 2.0739437 1.5789474 1.5789474 1.9379562 0.1929825 2.0739437 2.0739437 > 529 530 531 532 533 534 535 536 537 538 539 > 1.5789474 1.9379562 1.5789474 2.0739437 1.1666667 1.6592179 1.5789474 1.9379562 2.0739437 1.9379562 0.1929825 > 540 541 542 543 544 545 546 547 548 549 550 > 0.0000000 2.0739437 0.4285714 0.0000000 2.7741935 1.5789474 1.6592179 1.5789474 0.1929825 0.0000000 2.0739437 > 551 552 553 554 555 556 557 558 559 560 561 > 1.9379562 1.6592179 1.5789474 2.0739437 1.5789474 1.5789474 1.9379562 1.6592179 1.9379562 1.9379562 1.5789474 > 562 563 564 565 566 567 568 569 570 571 572 > 0.0000000 1.9379562 1.5789474 1.5789474 0.0000000 1.1666667 1.9379562 1.9379562 1.6592179 2.0739437 1.5789474 > 573 574 575 576 577 578 579 580 581 582 583 > 2.0739437 1.5789474 1.6592179 0.1929825 1.5789474 1.9379562 1.5789474 2.0739437 1.6592179 1.6592179 1.6592179 > 584 585 586 587 588 589 590 591 592 593 594 > 1.5789474 2.0739437 2.0739437 1.5789474 1.6592179 2.0739437 1.5789474 2.7741935 0.0000000 1.9379562 1.1666667 > 595 596 597 598 599 600 601 602 603 604 605 > 1.5789474 2.0739437 2.7741935 1.9379562 1.5789474 1.9379562 2.7741935 0.0000000 2.0739437 1.9379562 1.5789474 > 606 607 608 609 610 611 612 613 614 615 616 > 1.9379562 0.1929825 1.9379562 1.5789474 1.5789474 0.1929825 1.9379562 0.0000000 1.6592179 1.5789474 0.1929825 > 617 618 619 620 621 622 623 624 625 626 627 > 2.0739437 0.0000000 1.6592179 1.9379562 0.0000000 1.1666667 1.5789474 2.0739437 2.0739437 2.7741935 0.0000000 > 628 629 630 631 632 633 634 635 636 637 638 > 2.2777778 0.0000000 2.0739437 1.5789474 1.6592179 1.5789474 0.1929825 0.1929825 2.0739437 1.9379562 0.0000000 > 639 640 641 642 643 644 645 646 647 648 649 > 0.0000000 1.6592179 1.5789474 2.0739437 1.6592179 0.0000000 1.6592179 2.0739437 1.6592179 0.1929825 1.5789474 > 650 651 652 653 654 655 656 657 658 659 660 > 0.1929825 2.7741935 2.0739437 1.5789474 1.9379562 1.9379562 0.0000000 0.0000000 2.0739437 1.1666667 1.6592179 > 661 662 663 664 665 666 667 668 669 670 671 > 1.9379562 0.1929825 1.6592179 1.6592179 2.0739437 1.5789474 2.0739437 1.9379562 1.6592179 0.0000000 0.1929825 > 672 673 674 675 676 677 678 679 680 681 682 > 0.1929825 2.0739437 1.9379562 2.0739437 2.7741935 1.6592179 1.5789474 1.9379562 2.2777778 1.9379562 2.0739437 > 683 684 685 686 687 688 689 690 691 692 693 > 2.0739437 1.5789474 0.0000000 1.9379562 1.6592179 1.5789474 2.0739437 1.9379562 1.5789474 1.9379562 1.9379562 > 694 695 696 697 698 699 700 701 702 703 704 > 2.0739437 2.0739437 1.9379562 1.6592179 1.6592179 2.0739437 1.6592179 1.6592179 1.6592179 2.0739437 1.5789474 > 705 706 707 708 709 710 711 712 713 714 715 > 1.5789474 2.0739437 1.6592179 1.9379562 1.6592179 2.0739437 2.0739437 2.0739437 1.5789474 1.9379562 2.0739437 > 716 717 718 719 720 721 722 723 724 725 726 > 0.1929825 1.6592179 1.9379562 2.0739437 2.0739437 2.0739437 1.6592179 1.9379562 1.6592179 2.0739437 2.0739437 > 727 728 729 730 731 732 733 734 735 736 737 > 1.9379562 2.0739437 2.0739437 1.9379562 0.0000000 0.0000000 1.9379562 1.9379562 0.4285714 1.6592179 2.0739437 > 738 739 740 741 742 743 744 745 746 747 748 > 1.9379562 1.1666667 0.0000000 2.0739437 1.6592179 1.5789474 1.5789474 0.0000000 2.0739437 1.5789474 1.6592179 > 749 750 751 752 753 754 755 756 757 758 759 > 1.9379562 1.9379562 2.0739437 2.0739437 1.5789474 2.0739437 1.9379562 1.1666667 1.9379562 2.0739437 1.5789474 > 760 761 762 763 764 765 766 767 768 769 770 > 1.9379562 1.5789474 1.5789474 2.0739437 1.9379562 1.6592179 1.5789474 0.1929825 1.9379562 1.9379562 1.5789474 > 771 772 773 774 775 776 777 778 779 780 781 > 1.9379562 1.6592179 1.5789474 2.0739437 0.0000000 1.5789474 1.5789474 2.0739437 1.6592179 2.0739437 2.0739437 > 782 783 784 785 786 787 788 789 790 791 792 > 0.0000000 1.9379562 0.0000000 0.1929825 1.1666667 1.6592179 1.5789474 0.1929825 0.0000000 1.9379562 1.9379562 > 793 794 795 796 797 798 799 800 801 802 803 > 1.1666667 1.6592179 2.0739437 1.1666667 1.9379562 0.0000000 1.6592179 1.6592179 2.0739437 2.0739437 1.6592179 > 804 805 806 807 808 809 810 811 812 813 814 > 0.0000000 2.0739437 1.5789474 1.9379562 1.9379562 0.4285714 1.9379562 2.0739437 2.0739437 1.6592179 1.9379562 > 815 816 817 818 819 820 821 822 823 824 825 > 2.0739437 1.9379562 1.6592179 1.6592179 0.1929825 1.5789474 1.5789474 1.9379562 1.9379562 1.9379562 1.9379562 > 826 827 828 829 830 831 832 833 834 835 836 > 2.0739437 1.6592179 1.6592179 1.6592179 1.9379562 1.5789474 2.0739437 0.1929825 0.0000000 2.0739437 2.0739437 > 837 838 839 840 841 842 843 844 845 846 847 > 0.0000000 2.0739437 1.5789474 0.0000000 1.9379562 2.2777778 1.5789474 0.1929825 1.5789474 1.9379562 2.7741935 > 848 849 850 851 852 853 854 855 856 857 858 > 0.0000000 1.6592179 2.0739437 1.9379562 1.6592179 2.0739437 1.9379562 1.1666667 1.5789474 1.5789474 2.0739437 > 859 860 861 862 863 864 865 866 867 868 869 > 1.6592179 1.9379562 1.9379562 2.0739437 1.9379562 2.0739437 1.5789474 0.0000000 1.5789474 0.0000000 1.9379562 > 870 871 872 873 874 875 876 877 878 879 880 > 1.6592179 1.9379562 1.9379562 0.0000000 2.0739437 1.5789474 0.0000000 1.5789474 2.0739437 1.5789474 1.6592179 > 881 882 883 884 885 886 887 888 889 890 891 > 1.6592179 2.0739437 2.0739437 1.9379562 1.9379562 0.0000000 2.0739437 2.2777778 0.1929825 2.0739437 1.9379562 > 892 893 894 895 896 897 898 899 900 901 902 > 0.1929825 0.0000000 0.1929825 2.0739437 0.0000000 1.6592179 2.0739437 2.2777778 1.9379562 1.5789474 2.0739437 > 903 904 905 906 907 908 909 910 911 912 913 > 1.9379562 1.9379562 2.0739437 1.6592179 2.0739437 1.9379562 2.0739437 1.5789474 1.9379562 1.6592179 1.9379562 > 914 915 916 917 918 919 920 921 922 923 924 > 0.1929825 2.0739437 2.0739437 2.0739437 0.1929825 2.0739437 2.0739437 1.9379562 2.0739437 1.9379562 1.6592179 > 925 926 927 928 929 930 931 932 933 934 935 > 0.1929825 0.0000000 2.7741935 1.5789474 1.9379562 1.6592179 1.5789474 0.4285714 0.4285714 0.0000000 2.0739437 > 936 937 938 939 940 941 942 943 944 945 946 > 1.6592179 2.0739437 1.6592179 1.9379562 0.1929825 1.9379562 0.1929825 1.5789474 2.0739437 1.9379562 1.9379562 > 947 948 949 950 951 952 953 954 955 956 957 > 1.5789474 0.0000000 1.5789474 1.5789474 1.5789474 1.5789474 2.0739437 1.5789474 1.5789474 0.0000000 1.5789474 > 958 959 960 961 962 963 964 965 966 967 968 > 1.6592179 2.0739437 1.5789474 1.6592179 1.5789474 1.9379562 2.0739437 0.1929825 1.5789474 1.6592179 2.0739437 > 969 970 971 972 973 974 975 976 977 978 979 > 1.5789474 2.0739437 1.6592179 1.9379562 2.0739437 2.0739437 1.5789474 2.7741935 1.9379562 1.9379562 1.5789474 > 980 981 982 983 984 985 986 987 988 989 990 > 0.0000000 2.0739437 1.9379562 1.9379562 1.5789474 0.1929825 0.0000000 1.5789474 2.0739437 1.5789474 2.0739437 > 991 992 993 994 995 996 997 998 999 1000 > 1.5789474 1.9379562 2.0739437 1.6592179 1.9379562 1.9379562 0.0000000 1.6592179 1.9379562 1.6592179
如果额定值为 0、1、2 或 3，则正确的输出应如下所示：
> predict(fitTree,newdata2,type="class")
1 2 3 4
virginica virginica virginica virginica
Levels: setosa versicolor virginica
代替弗吉尼亚，它应该是 1、2 或 3。
如何解决此错误？感谢您提供的任何建议:)
如果需要分类树，请确保将标注编码为因子。它应该看起来像这样：
dataset$Label = factor(dataset$Label, levels = c(0, 1))