R中的主成分逻辑回归

Question

我需要在R中执行主成分逻辑回归，使用交叉验证自动选择已使用成分的数量。

我希望这已经在R中得到了充分的实现，但是我没有完全找到我要寻找的东西。这边提到的过程非常接近：https://www.r-bloggers.com/performing-principal-components-regression-pcr-in-r/，但是我对此方法有一些疑问：

• 我需要对其进行调整，以使其专门使用逻辑回归模型，但在查看pcr函数的文档时，我发现这显然不太可能。
• 如果可能的话，我想使用交叉验证（例如准确性，AUC，...）修改用于优化组件数量的指标

此外，在执行此代码时，我遇到了存储问题（请参见下面的示例）：虽然PCA和数据的PCA投影训练（虽然在下面的示例中没有收敛）都可以单独进行，但是由于以下原因，以下代码无法执行：内存问题，我不知道为什么：

library("pls")
n <- 200
m <- 50000
set.seed(42)
X <- matrix(rnorm(n*m), nrow=n)
Y <- as.integer(sample(c(0,1), replace=TRUE, size=n))
data <- data.frame(cbind(X, Y))
pcr_model <- pcr(Y~., data=data, scale=TRUE, validation="CV") #not possible

我想知道上面代码中的pcr（...）行是否存在替代/调整，它没有任何存储问题，允许使用逻辑回归模型并选择交叉使用的度量-验证。 （我可以自己执行该过程，但希望使用内置函数为我完成该过程。）