我在尝试按照网上找到的代码在R中运行主成分分析（PCA），但与代码作者不同，我遇到了以下错误：
object of type ‘closure’ is not subsettable
我使用的是叶子数据集，你可以在这里找到它：
http://archive.ics.uci.edu/ml/datasets/Leaf
特征包括：物种、样本编号、偏心率、长宽比、延展性、紧实度、随机凸性、同周长因子、最大凹陷深度、叶片状度、平均强度、平均对比度、平滑度、第三矩、均匀性、熵
每一列都是数值型数据，由于我要预测’物种’，所以不需要’样本编号’：
leaf_data <- leaf_data[, c(1,3:ncol(leaf_data))]现在，为了准备训练数据，我使用以下函数：
stratified_labels <- function(df, variable, size){set.seed(1000)require(sampling)temp = dfdfCounts <- table(df[variable])if (size > min(dfCounts)){ size <- min(dfCounts) }if (size < 1 ){ size = ceiling(table(temp[variable])*size) } else if (size >=1){ size = rep(size, times=length(table(temp[variable]))) }strat = strata(temp, stratanames=names(temp[variable]), size = size, method = 'srswor')return(strat$ID_unit)}该函数确保每个类别都有均匀数量的代表。然后我们可以准备训练集和测试集：
training_set <- stratified_labels(leaf_data, 'Species', .8)leaf_data$Species <- as.factor(leaf_data$Species)leaf_train <- leaf_data[training_set,]leaf_test <- leaf_data[-training_set,]由于变量未标准化，我对它们进行标准化处理：
leaf_train_standard <- leaf_trainstandardization <- function(x){x <- (x-mean(x))/sd(x)return(x)}leaf_train_standard[2:15]<-apply(leaf_train[2:15],2, standardization)所以理论上我已经准备好运行prcomp了：
set.seed(1000)pca_train <- leaf_train_standard[2:15]pca_test <- leaf_testpca <- prcomp[data = pca_train, center=FALSE, scale=FALSE]但在运行最后一行代码后，我得到了上述错误，我实在不明白为什么。任何帮助都将不胜感激。
回答：
pca <- prcomp[data = pca_train, center=FALSE, scale=FALSE]正如错误信息所指示的，你在这里使用了子集操作（[…]操作符）。你应该使用(…)：
pca <- prcomp(data = pca_train, center = FALSE, scale = FALSE)另外两个建议：
你的standardization函数是不必要的。只要将center = TRUE和scale = TRUE传递给prcomp即可。
