我想使用createFolds函数和特定的set.seed运行回归模型。

在不使用createFolds函数的情况下，我可以无错误地运行回归模型。

可以在这里找到friedman数据集 here

   wdbc <- read_csv("friedman.dat", col_names = FALSE, skip = 10)    wdbc[] <- lapply(wdbc, scale)

不使用createFolds函数的回归模型

    lm(X6 ~ ., data = wdbc) Call:lm(formula = X6 ~ ., data = wdbc)Coefficients:(Intercept)           X1           X2           X3           X4           X5    2.553e-16    3.892e-01    3.563e-01    2.834e-04    5.739e-01    2.767e-01  

使用createFolds函数的回归模型

 FX <- function(seed, data, k=30) {      set.seed(seed)        folds <- createFolds(data[, "X6"], k=k, list=TRUE, returnTrain=TRUE)       lm1 <- lapply(folds, function(folds) lm(X6 ~ ., data=data[folds, ]))    }    seeds <- 1:30     res <- lapply(seeds, FX, data=wdbc)  Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) :   0 (non-NA) cases  

回答：

createFolds函数是问题所在的部分：

createFolds(wdbc[, "X6"], k=1, list=TRUE, returnTrain=TRUE)$Fold1integer(0)

这会返回一个空向量，因此你在对空数据进行回归。以下不同调用时会有所不同：

typeof(wdbc[["X6"]])[1] "double"typeof(wdbc[,"X6"])[1] "list"typeof(as.matrix(wdbc)[,"X6"])[1] "double"

或许有更多tibble等知识的人可以补充说明。

你可以将数据转换为data.frame，或者使用data[["X6"]]：

FX <- function(seed, data, k=30) {      set.seed(seed)        folds <- createFolds(data[["X6"]], k=k, list=TRUE, returnTrain=TRUE)       lm1 <- lapply(folds, function(folds) lm(X6 ~ ., data=data[folds, ]))    }    seeds <- 1:30 res <- lapply(seeds, FX, data=wdbc)res[[1]][[1]]Call:lm(formula = X6 ~ ., data = data[folds, ])Coefficients:(Intercept)           X1           X2           X3           X4           X5    0.0007255    0.3933912    0.3600078   -0.0008834    0.5733893    0.2729162