我尝试通过caret包在R中拟合一个最小二乘支持向量机，但无法使其正常工作。即使是像这样极简单的例子也失败了：

library(caret)library(tidyverse)data("iris")#使这个例子成为一个二分类任务iris <- iris %>% filter(Species %in% c("setosa", "versicolor")) %>%    mutate(Species = droplevels(Species))svmls <- train(Species ~ .,               iris,               method = "lssvmLinear",               preProc = c("center", "scale")               )

出现了一些类似这样的警告：

In eval(xpr, envir = envir) :  模型拟合在Resample09时失败：tau=0.0625 错误在if (truegain[k] < tol) break :   需要TRUE/FALSE的地方缺少值

而直接调用kernlab中的lssmv函数却成功了：

library(kernlab)svmls2 <- lssvm(Species~.,data=iris)svmls2

我非常希望能得到关于可能出错原因的任何猜测。

回答：

我知道这个问题已经很旧了，但这里有一些答案

我也有同样的错误，深入研究后发现，Caret默认的LSSVM线性模型使用的是多项式核，看起来是这样的：

getModelInfo()$lssvmLinear$fitfunction(x, y, wts, param, lev, last, classProbs, ...) {                    kernlab::lssvm(x = as.matrix(x), y = y,                                   tau = param$tau,                                   kernel = kernlab::polydot(degree = 1,                                                             scale = 1,                                                             offset = 1), ...)                      }

因此，我将其编辑为仅使用默认核，这样它就能按预期运行了：

newlssvm <- getModelInfo()$lssvmLinearnewlssvm$fit <- function(x, y, wts, param, lev, last, classProbs, ...) {  kernlab::lssvm(x = as.matrix(x), y = y,                 tau = param$tau)    }svmls <- train(Species ~ .,               iris,               method = newlssvm,               preProc = c("center", "scale")               )

我认为这个问题出在kernlab，因为这样做：

lssvm(Species~.,data= iris, kernel = kernlab::polydot(degree = 2,                                                      scale = 0.01, offset=1))

会产生类似的错误，如下所示：

错误在if (truegain[k] < tol) break :   需要TRUE/FALSE的地方缺少值此外：警告信息：In sqrt(G[kadv, kadv]) : 产生了NaN