我正在使用来自这个来源的R代码来实现SVM-RFE算法 http://www.uccor.edu.ar/paginas/seminarios/Software/SVM_RFE_R_implementation.pdf，但我做了一个小的修改，使R代码使用gnum库。代码如下：

svmrfeFeatureRanking = function(x,y){  n = ncol(x)  survivingFeaturesIndexes = seq(1:n)  featureRankedList = vector(length=n)  rankedFeatureIndex = n  while(length(survivingFeaturesIndexes)>0){    #训练支持向量机    svmModel = SVM(x[, survivingFeaturesIndexes], y, C = 10, cache_size=500,kernel="linear" )    #计算排名标准    rankingCriteria = svmModel$w * svmModel$w    #对特征进行排名    ranking = sort(rankingCriteria, index.return = TRUE)$ix    #更新特征排名列表    featureRankedList[rankedFeatureIndex] = survivingFeaturesIndexes[ranking[1]]    rankedFeatureIndex = rankedFeatureIndex - 1    #删除排名标准最小的特征    (survivingFeaturesIndexes = survivingFeaturesIndexes[-ranking[1]])  }  return (featureRankedList)} 

该函数接收一个matrix作为x的input，以及一个factor作为y的input。我使用该函数处理一些数据，在最后几次迭代中收到了以下错误消息：

 Error in if (nrow(x) != length(y)) { : argument is of length zero 

调试代码后，我得到了以下结果：

3 SVM.default(x[, survivingFeaturesIndexes], y, C = 10, cache_size = 500,     kernel = "linear") 2 SVM(x[, survivingFeaturesIndexes], y, C = 10, cache_size = 500,     kernel = "linear") 1 svmrfeFeatureRanking(sdatx, ym) 

那么，函数的错误是什么？

回答：

看起来当只剩下一个特征时，你的矩阵会被转换成一个列表。试试这个：

svmModel = SVM(as.matrix(x[, survivingFeaturesIndexes]), y, C = 10, cache_size=500,kernel="linear" )