Question

我正在尝试为以下模型找到 varImp，

<块引用>

线性判别分析

50 个样本 25 个预测变量 2 个类别：'L'、'Lpo'

无预处理重采样：留一法交叉验证总结样本大小：49, 49, 49, 49, 49, 49, ... 使用烟雾

重采样结果：

ROC 传感器规格
0.9433345 0.9439082 0.8942777

caret::varImp(result$models[[2]], scale = TRUE)

是否有简单的方法可以解决此错误：

Error in y - mean(y, rm.na = TRUE): non-numeric argument to binary operator
Traceback:

1. caret::varImp(result$models[[2]], scale = TRUE)
2. varImp.train(result$models[[2]], scale = TRUE)
3. filterVarImp(x_dat, y_dat, nonpara = nonpara, ...)
4. apply(x, 2, testFunc, y = y)
5. FUN(newX[, i], ...)

My error

Answer 1

正如@Zyad Shehadeh 和@missuse 在评论中所说，您必须dput 一些数据或使用内置数据集重现您的错误。当我试图重现您的情况（您没有很好地解释）时，使用 iris 数据集，一切正常：我假设您正在运行分类（由于 method="lda"）不平衡数据集（由于 additional sampling SMOTE）。我用 iris 模拟这种数据：

library(caret)

data("iris")
#eliminate a level in the Species column and reduce the observation for Species="versicolor" from 50 to 10 to imbalance the outcome 
iris <- iris[-c(1:90),]
iris$Species <- factor(iris$Species,levels = unique(iris$Species))
cn <- trainControl(method = "LOOCV",sampling="smote",classProbs = T,summaryFunction = 
twoClassSummary)
fit <- train(Species~.,data = iris,trControl=cn,method="lda",metric="ROC")

caret::varImp(fit, scale = TRUE)

一切正常，所以问题在某种程度上与您的数据有关，而与代码无关

使用 caret::varImp 时如何修复错误？

1 个答案: