我想使用插入符号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$response, p=0.75, list=FALSE)
trainSet <- df[ index,]
testSet <- df[-index,]
model_glm <- train(trainSet[,outcomeName], trainSet[,predictors], method='glm', family="binomial", data = trainSet)
我得到错误Error: Please use column names for x
。
当我用列名trainSet[,predictors]
替换predictors
时,我收到同样的错误。
不幸的是,当像df[,1]
这样的一个列进行子集化以将结果更改为vector
时,R有一个讨厌的行为,因为你只有一个预测器,你遇到了这个功能。您可以将结果保存为data.frame
trainSet[,predictors, drop = FALSE]
要么
trainSet[predictors]
BTW。代码还有两个问题:
caret
的逻辑回归,您需要响应为factor
完整的代码应该是:
library(caret)
df <- data.frame(response = sample(0:1, 200, replace=TRUE),
predictor = rnorm(200,10,45))
df$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]
改为trainSet[[outcomeName]]
,以更明确地转换为vector