我有一个涉及分类预测变量的二元分类问题Var1 & Var2：
> head(traindata)
# ID Var1 Var2 response
# 1 101 -2 0 0
# 2 201 0 -1 1
# 3 301 0 -2 0
# 4 401 -1 0 0
# 6 501 0 -1 1
训练集包括所有-2,-1,0作为Var1级别，但测试集不包括-1作为Var1中的输入。
我确实确保Var1包含测试集中的所有级别：
testdata$Var1 <- factor(testdata$Var1, levels = levels(traindata$Var1)
因此，即使检验数据在其记录中不包含-1，空白因子水平也确实存在。
但是当我尝试使用以下方法为测试集创建任务时：
testtask <- makeClassifTask(data = testdata, target = "response", positive = "1")
我收到一条警告，指出列的空因子水平已被删除：Var1
我也尝试设置fixup.data = "no"参数。它给出以下错误：
testtask <- makeClassifTask(data = testdata, target = "response", positive = "1", fixup.data = "no")
# Error in (function (cn, x) :
# Column 'Var1' contains empty factor levels.
PS：我不是自己对测试数据进行重采样，它是一个我不知道响应变量的外部数据集。
此外，在创建任务之前，我确实为测试集中的响应变量重新编码了虚拟值。
我会将此作为答案发布，因为您不理解我的评论。下面是一个使用来自 mlbench 的数据集 Sonar 的可重现示例：
library(mlr)
library(mlbench)
library(caret)
data(Sonar)
拆分为训练集和测试集：
ind <- createDataPartition(Sonar$Class, p = 0.8, list = FALSE)
train.Sonar <- Sonar[ind,]
test.Sonar <- Sonar[-ind,]
火车。声纳和测试。声纳是数据帧。
完成任务、学习者和培训：
task <- makeClassifTask(data = train.Sonar, target = "Class", positive = "R")
lrn <- makeLearner("classif.rpart", predict.type = "prob")
mod <- mlr::train(lrn, task) #caret trains masks mlr train
pred <- predict(mod, newdata = test.Sonar)
pred
#output
Prediction: 41 observations
predict.type: prob
threshold: M=0.50,R=0.50
time: 0.00
truth prob.M prob.R response
2 R 0.86956522 0.1304348 M
3 R 0.86956522 0.1304348 M
6 R 0.86956522 0.1304348 M
13 R 0.07692308 0.9230769 R
22 R 0.11111111 0.8888889 R
25 R 0.07692308 0.9230769 R
... (#rows: 41, #cols: 4)
如果你只是这样做
pred <- predict(mod, test.Sonar)
然后是你提到的错误： 预测中的错误(mod，测试。声纳( ： 对"任务"的断言失败：必须具有类"任务"，但具有类"data.frame"。
由于函数假定数据框作为任务参数传递。
在predict.WrappedModel的帮助下：
对象 [包装模型] 包裹模型，训练结果。
任务[任务] 任务。如果传递此任务，则此任务中的数据为 预测。
newdata [data.frame] 应该预测的新观察结果。通过 这或者代替任务。
给出以下参数。您需要将check.data与fixup.data一起使用。希望这对:)有所帮助
语法：
testtask = makeClassifTask(data = testdata, target = "response", positive = "1",fixup.data = "no",check.data = FALSE)