我试图编写一个自定义函数，使用caTools包进行基于逻辑回归的机器学习，但一直收到错误：undefined columns selected。
我检查了传递给logit_boost函数的xlearn和ylearn参数的输入，根据文档的说明，它们分别是一个包含特征的数据框和一个标签向量。所以我不确定我做错了什么。
# 需要的库library(dplyr)library(rlang)library(caTools)# 函数主体logit_boost <- function(data, x, y, split_size = 0.8) { # 创建数据框 data <- dplyr::select(.data = data, !!rlang::enquo(x), !!rlang::enquo(y)) # 为了可重复性 set.seed(123) # 创建索引以从数据中选择行 train_indices <- base::sample(x = base::seq_len(length.out = nrow(data)), size = floor(split_size * nrow(data))) # 训练数据集 train <- data[train_indices, ] # 测试数据集 test <- data[-train_indices, ] # 定义我们感兴趣的标签列及其他所有列 label_train <- train %>% dplyr::select(.data = ., !!rlang::enquo(x)) data_train <- train %>% dplyr::select(.data = ., -!!rlang::enquo(x)) # 训练模型 (y ~ x) logit_model <- caTools::LogitBoost(xlearn = data_train, ylearn = label_train) # 预测 # stats::predict(object = logit_model, test, type = "raw")}logit_boost(data = mtcars, x = am, y = mpg)#> Error in `[.data.frame`(x, order(x, na.last = na.last, decreasing = decreasing)): undefined columns selected回答：
在help(LogitBoost)的示例部分，Label = iris[, 5]会生成一个向量，正如LogitBoost()中的ylearn参数所期望的那样。
在你的代码中，label_train <- train %>% dplyr::select(.data = ., !!rlang::enquo(x))会生成一个数据框。dplyr的设计使得在只选择一列时，默认设置drop = FALSE（甚至忽略该参数）。
我们可以这样做：
logit_model <- caTools::LogitBoost(xlearn = data_train, ylearn = dplyr::pull(label_train))