R中的顺序求值导致错误消息

我正在R中使用 RMOA 。

这对于这个问题来说并不太重要,但基本上,这通过以下方式评估流挖掘分类器的性能 首次测试 和 然后培训 流中每次观测的模型。

我已经基本完成了,只是在进行预测时遇到了以下错误消息:

要更换的项目数不是更换长度的倍数

我正在使用Iris数据集,奇怪的是,它预测了前50次观察的类别标签和训练,正如我所预期的那样。然而,对于剩下的100个,它会产生上述错误。数据集的默认顺序为:

Label        Number

Setosa       50
Versicolor   50
Virginica    50

这意味着无论出于何种原因,该模型正在对所有Setosa观测值进行预测,然后对其他两个类别标签产生此错误。如果我随机化这些行,我会遇到同样的问题;一旦遇到第二类标签,就会产生错误。

我读到过关于这个错误的类似问题,例如 this .现有的问题似乎都没有在分类的背景下解决这个问题。

相关R代码:

require(RMOA)
require(stream)

#data<-iris[sample(nrow(iris)),] #use this for randomising the iris dataset
df = datastream_dataframe(as.data.frame(iris))

opts<-MOAoptions(model="HoeffdingTree")
tree<-HoeffdingTree(control = opts)
mymodel <- NULL

i<- 1
#Iterate over the stream until the stream is empty
repeat
{
    element <- df$get_points(1)

    #Check to see if stream is empty - not elegant but it works just now
    if(is.null(element$Species)){
        break
    }

    #Prequential evaluation
    tryCatch(
    {
        #First test
        pred <- RMOA:::predict.MOA_trainedmodel(mymodel, element, type="response")
        cat("Tested element ", i, "Pred: ",pred, ". Label: ", element$Species,"\n")

        #Then train
        #If first element in stream, the model is initially trained in the error block below
        if(!i==1){
            mymodel <<- trainMOA(model = mymodel$model, 
                formula = Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, 
                data = datastream_dataframe(element))
            cat("Trained model using element ", i,"\n")
        }
    },

    error = function(err){
        cat("Error processing element ", i,"\n")
        if(i==1){
            cat("The model was initially untrained.\n")
            mymodel <<- trainMOA(model = tree, Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, data = datastream_dataframe(element))
        }
        else{
            message(err)
        }
    })#end try-catch block

    i<<- i+ 1
}#end while

请注意,最初模型设置为 null .对于第一次观察,由于模型未经训练,尝试的预测将产生错误。这是在 try-catch .所有后续观察结果应在培训前进行测试。

我的模型有什么问题导致了这个错误?