java做数据挖掘的混淆矩阵_随机森林混淆矩阵的误差

我有一个包含4669个观测值和15个变量的数据集 .

我正在使用随机森林来预测某个特定产品是否会被接受 .

使用我的最新数据，我的输出变量为“是”，“否”和“” .

我想预测这个“”是否会有“是”或“否” .

我使用以下代码 .

library(randomForest)

outputvar

inputvar1

inputvar2

data

data$outputvar

ind0

train0

test0

fit1

print(fit1)

plot(fit1)

p1

fit1$confusion

p2

t

t

上面的代码完美运行 . 我提到的数据帧只是一个示例数据帧 . 因为，我不应该生成原始数据 .

您可以注意到我已将训练数据和测试数据分为70％和30％ . 根据我的观察，我可以通过1377次观察和3293次观察训练找到测试数据 .

当我计算测试数据集的混淆矩阵时，我发现它只计算了1363个观测值，剩下14个观测值 .

此外，我使用测试数据集将表格显示为预测矩阵 . 所有这些NA都替换为是或否 .

我的疑问是，为什么我的混淆矩阵在观察上有差异？

那些NA在我的预测矩阵中被替换为是和否是真实的预测吗？

我是R的新手，任何信息都会有所帮助