以下是我正在使用的所有变量：
str(ad.train)
$ Date : Factor w/ 427 levels "2012-03-24","2012-03-29",..: 4 7 12 14 19 21 24 29 31 34 ...
$ Team : Factor w/ 18 levels "Adelaide","Brisbane Lions",..: 1 1 1 1 1 1 1 1 1 1 ...
$ Season : int 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 ...
$ Round : Factor w/ 28 levels "EF","GF","PF",..: 5 16 21 22 23 24 25 26 27 6 ...
$ Score : int 137 82 84 96 110 99 122 124 49 111 ...
$ Margin : int 69 18 -56 46 19 5 50 69 -26 29 ...
$ WinLoss : Factor w/ 2 levels "0","1": 2 2 1 2 2 2 2 2 1 2 ...
$ Opposition : Factor w/ 18 levels "Adelaide","Brisbane Lions",..: 8 18 10 9 13 16 7 3 4 6 ...
$ Venue : Factor w/ 19 levels "Adelaide Oval",..: 4 7 10 7 7 13 7 6 7 15 ...
$ Disposals : int 406 360 304 370 359 362 365 345 324 351 ...
$ Kicks : int 252 215 170 225 221 218 224 230 205 215 ...
$ Marks : int 109 102 52 41 95 78 93 110 69 85 ...
$ Handballs : int 154 145 134 145 138 144 141 115 119 136 ...
$ Goals : int 19 11 12 13 16 15 19 19 6 17 ...
$ Behinds : int 19 14 9 16 11 6 7 9 12 6 ...
$ Hitouts : int 42 41 34 47 45 70 48 54 46 34 ...
$ Tackles : int 73 53 51 76 65 63 65 67 77 58 ...
$ Rebound50s : int 28 34 23 24 32 48 39 31 34 29 ...
$ Inside50s : int 73 49 49 56 61 45 47 50 49 48 ...
$ Clearances : int 39 33 38 52 37 43 43 48 37 52 ...
$ Clangers : int 47 38 44 62 49 46 32 24 31 41 ...
$ FreesFor : int 15 14 15 18 17 15 19 14 18 20 ...
$ ContendedPossessions: int 152 141 149 192 138 164 148 151 160 155 ...
$ ContestedMarks : int 10 16 11 3 12 12 17 14 15 11 ...
$ MarksInside50 : int 16 13 10 8 12 9 14 13 6 12 ...
$ OnePercenters : int 42 54 30 58 24 56 32 53 50 57 ...
$ Bounces : int 1 6 4 4 1 7 11 14 0 4 ...
$ GoalAssists : int 15 6 9 10 9 12 13 14 5 14 ...
这是我想要适应的魅力：
ad.glm.all <- glm(WinLoss ~ factor(Team) + Season + Round + Score + Margin + Opposition + Venue + Disposals + Kicks + Marks + Handballs + Goals + Behinds + Hitouts + Tackles + Rebound50s + Inside50s+ Clearances+ Clangers+ FreesFor + ContendedPossessions + ContestedMarks + MarksInside50 + OnePercenters + Bounces+GoalAssists,
data = ad.train, family = binomial(logit))
我知道它有很多变量（计划是通过前向变量选择减少）。但即使知道很多变量，他们要么是int，要么是因素;据我所知，事情应该与glm一起工作。但是，每当我尝试适应这个模型时，我得到：
Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : contrasts can be applied only to factors with 2 or more levels
我认为哪种R不是因为某种原因将我的因子变量视为因子变量？
即使是简单的事情：
ad.glm.test <- glm(WinLoss ~ factor(Team), data = ad.train, family = binomial(logit))
没有工作！ （相同的错误消息）
这就是：
ad.glm.test <- glm(WinLoss ~ Clearances, data = ad.train, family = binomial(logit))
会工作！
任何人都知道这里发生了什么？为什么我不能将这些因子变量适合我的glm ??
提前致谢！
-Troy
答案 0 :(得分：1)
根据我十分钟前的经验，这种情况可能发生在一个类别不止一个但NA较多的情况下。以Kaggle Houseprice Dataset为例， 如果您加载了数据并进行了简单的回归，
cols = colnames(train.df)
for (col in cols){
if(is.factor(train.df[[col]])){
cat(col, ' has ', length(levels(train.df[[col]])), '\n')
}
}
您将收到相同的错误。我还尝试测试每个因素的级别数，但没有一个说它低于2个级别。
summary(train.df)因此，很长一段时间后，我使用train.df = subset(train.df, select=-c(Id, PoolQC,Fence, MiscFeature, Alley, Utilities))
lm1 = lm(SalePrice ~ ., data = train.df)
来查看每个列的详细信息，并删除了一些列，终于可以了：
fill.na.with.mode = function(df){
cols = colnames(df)
for (col in cols){
if(class(df[[col]])=='factor'){
x = summary(df[[col]])
mode = names(x[which.max(x)])
df[[col]][is.na(df[[col]])]=mode
}
else{
df[[col]][is.na(df[[col]])]=0
}
}
return (df)
}
并删除其中任何一个，回归将无法再次运行，并出现相同的错误（我已经对自己进行了测试）。
另一种调试带有大量NA的错误的方法是，用列中最常见的属性替换每个NA。请注意以下方法不能调试，其中NA是列的模式，我建议手动删除这些列或替换这些列，而不是像这样对整个数据集应用函数：
{{1}}
及以上属性通常具有1400多个NA和10个有用值，因此，即使它们具有3或4个级别，您也可能希望删除这些垃圾属性。我猜想有一个函数计算每列中有多少个NA会有所帮助。
答案 1 :(得分：0)
也许作为第一步非常快，就是要验证您确实有至少两个因素。我找到的快捷方法是：
df %>% dplyr::mutate_all(as.factor) %>% str