Error: Please use column names for `x` when using caret() for logistic regression

Question

我想使用 caret 包构建逻辑回归模型。

这是我的代码。

library(caret)
df <- data.frame(response = sample(0:1, 200, replace=TRUE),  predictor = rnorm(200,10,45)) 

outcomeName <-"response"
predictors <- names(df)[!(names(df) %in% outcomeName)]
index <- createDataPartition(df$response, p=0.75, list=FALSE)
trainSet <- df[ index,]
testSet <- df[-index,]

model_glm <- train(trainSet[,outcomeName], trainSet[,predictors], method='glm', family="binomial", data = trainSet)

我收到错误 Error: Please use column names for x。

当我将 trainSet[,predictors] 替换为列名 predictors 时，我收到相同的错误。

Answer 1

不幸的是，当仅对 df[,1] 等一列进行子集化以将结果更改为 vector 时，R 有一个令人讨厌的行为，并且由于您只有一个预测变量，因此您遇到了此功能。您可以通过

将结果保存为 data.frame

trainSet[,predictors, drop = FALSE]

或

trainSet[predictors]

顺便说一句。代码还有两个问题：

第一个参数应该是预测变量，而不是响应
对于 caret 的逻辑回归，您需要响应为 factor

完整代码应该是：

library(caret)
df <- data.frame(response = sample(0:1, 200, replace=TRUE),  
                 predictor = rnorm(200,10,45)) 

df$response <- as.factor(df$response)

outcomeName <-"response"
predictors <- names(df)[!(names(df) %in% outcomeName)]
index <- createDataPartition(df$response, p=0.75, list=FALSE)
trainSet <- df[ index,]
testSet <- df[-index,]

model_glm <- train(trainSet[predictors], trainSet[[outcomeName]], method='glm', family="binomial", data = trainSet)

*将 trainSet[,outcomeName] 更改为 trainSet[[outcomeName]] 以更明确地转换为 vector

Answer 2

我遇到了同样的问题，

`head(iris)
xx <- iris[,-5]
yy <- iris[,5]
rf.imp <- train(x = xx, y = yy, method = "rf",  data = iris); rf.imp`

Error: Please use column names for `x` when using caret() for logistic regression

Error: Please use column names for `x` when using caret() for logistic regression

r

logistic-regression

r-caret