我的问题与这个讨论非常相似，然而，由于那个问题似乎还没有令人满意的答案，我认为再次提问并附上可复现的代码是合适的。
training <- read.csv("https://d396qusza40orc.cloudfront.net/predmachlearn/pml-training.csv")[,-1]testing <- read.csv("https://d396qusza40orc.cloudfront.net/predmachlearn/pml-testing.csv")[,-1]# 导入数据library(e1071)# 加载SVM所需的包svm_model <- svm(classe ~ pitch_arm + pitch_forearm + pitch_dumbbell + pitch_belt + roll_arm + roll_forearm + roll_dumbbell + roll_belt + yaw_arm + yaw_forearm + yaw_dumbbell + yaw_belt, data = training, scale = FALSE, cross = 10)# 使用默认的gamma和cost值进行SVM分析，并进行10折交叉验证predict(svm_model, testing)# R在这里返回factor(0)我已经检查了测试数据框，确认它包含了模型所需的所有列，并且这些列中没有NA值。请给我一些继续进行的建议。谢谢！
回答：
这似乎是e1071包中predict.svm函数的一个 quirks 导致的结果。虽然你的测试数据在模型中使用的变量上没有缺失值，但每个点都有缺失值。
complete.cases(testing) [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE[14] FALSE FALSE FALSE FALSE FALSE FALSE FALSE你可以通过删除不需要的变量来解决这个问题。
ModelVars = which(names(training) %in% c("pitch_arm", "pitch_forearm", "pitch_dumbbell", "pitch_belt", "roll_arm", "roll_forearm", "roll_dumbbell", "roll_belt", "yaw_arm", "yaw_forearm", "yaw_dumbbell", "yaw_belt"))test2 = testing[, ModelVars]predict(svm_model, test2) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 A A B A A A D B A A A C A A A A A A A A Levels: A B C D E