在插入符号中使用 LmFuncs（线性回归）进行递归特征消除：如何修复“x 和 y 中的样本数相同”错误？

Question

我是 R 新手，并试图从 247 列（246 个变量 + 1 个结果）和 800 左右行（其中每一行是一个人的数据）的数据集中分离出性能最佳的特征来创建预测模型。 我正在使用插入符号使用lmfuncs进行 RFE - 我需要使用线性回归，因为目标变量是连续的。

我使用以下内容拆分为测试/训练数据（没有引发错误）

inTrain <- createDataPartition(data$targetVar, p = .8, list = F)
train <- data[inTrain, ]
test <- data[-inTrain, ]

生成的测试和训练文件在集合中甚至包含变量。 例如 X 和 Y 包含相同数量的样本/所有列的长度相同

我的控制参数如下（也运行无错误）

control = rfeControl(functions = lmFuncs, method = "repeatedcv", repeats = 5, verbose = F, returnResamp = "all")

但是当我运行 RFE 时，我收到一条错误消息说

rfe.default(train[, -1], train[, 1], sizes = c(10, 15, 20, 25, 30), rfeControl = control) 中的错误：x 和是的

我的 RFE 代码如下，目标变量在第一列rfe_lm_profile <- rfe(train[, -1], train[, 1], sizes = c(10, 15, 20, 25, 30), rfeControl = control)

我浏览了各种论坛，但似乎没有任何效果。 这个 google.group 建议使用旧版本的 Caret - 我试过了，但得到了相同的 X/Y 错误https://groups.google.com/g/rregrs/c/qwcP0VGn4ag?pli=1其他人建议转换目标变量为因子或矩阵。 这没有帮助，并引发警告消息：在 createDataPartition(data$EBI_SUM, p = 0.8, list = F) 中：某些类在将数据划分为测试/训练时只有一条记录，并且相同的 X/Y 样本错误如果您尝试执行 RFE。

超级感谢提前:)

ps 这是目标变量 (EBI_SUM) 和几个变量的 dput

data <- structure(list(TargetVar = c(243, 243, 243, 243, 355, 355), Dosing = c(2, 
2, 2, 2, 2, 2), `QIDS_1 ` = c(1, 1, 3, 1, 1, 1), `QIDS_2 ` = c(3, 
3, 2, 3, 3, 3), `QIDS_3 ` = c(1, 2, 1, 1, 1, 2)), row.names = c(NA, 
-6L), class = c("tbl_df", "tbl", "data.frame"))
> 

Answer 1

您的data对象不应包含空格：

library(caret)

data <- data.frame(
  TargetVar = c(243, 243, 243, 243, 355, 355),
  Dosing = c(2, 2, 2, 2, 2, 2),
  QIDS_1 = c(1, 1, 3, 1, 1, 1),
  QIDS_2 = c(3, 3, 2, 3, 3, 3),
  QIDS_3 = c(1, 2, 1, 1, 1, 2)
)

inTrain <- createDataPartition(data$TargetVar, p = .8, list = F)
train <- data[inTrain, ]
test <- data[-inTrain, ]
control <- rfeControl(functions = lmFuncs, method = "repeatedcv", repeats = 5, verbose = F, returnResamp = "all")
rfe_lm_profile <- rfe(train[, -1], train[, 1], sizes = c(10, 15, 20, 25, 30), rfeControl = control)