带卡雷特的线性回归

Question

我真的需要你的帮助。我正在尝试编写一个R脚本，它接受一些数据并使用glm包执行caret。这是我的代码：

set.seed(4000)
# Create training and test data with 80%-20% ratio
new_values$gender <- as.factor(new_values$gender)
trainingRows= createDataPartition(new_values$gender, p= .8, list= FALSE, times= 1)
training_data_set= new_values[trainingRows,]
test_data_set= new_values[-trainingRows,]
# Test training with 10 times cross-validation
fitness_control <- trainControl(method = "cv", number = 10, savePredictions = TRUE)
# Train model with linear regression method (it takes about 5-10 minutes waiting time)
linear_regression <-train(gender~ ., data=training_data_set,method="glm",family=binomial(), trControl=fitness_control)
linear_regression

下面是数据表：数据表

当我尝试运行这个脚本时，R需要很长的时间来加载，然后得到以下错误消息：

有些地方出了问题，所有的精确度量值都丢失了：

    Accuracy       Kappa    
 Min.   : NA   Min.   : NA  
 1st Qu.: NA   1st Qu.: NA  
 Median : NA   Median : NA  
 Mean   :NaN   Mean   :NaN  
 3rd Qu.: NA   3rd Qu.: NA  
 Max.   : NA   Max.   : NA  
 NA's   :1     NA's   :1    
Error: Stopping
In addition: There were 11 warnings (use warnings() to see them)

警告信息如下：

警告消息: 1: Fold01的模型匹配失败: parameter=none错误:保护()：保护堆栈溢出

2:模型匹配Fold02失败: parameter=none错误:保护()：保护堆栈溢出

3:模型拟合Fold03失败: parameter=none错误:保护()：保护堆栈溢出

4:模型拟合Fold04失败: parameter=none错误:保护()：保护堆栈溢出

Fold05: parameter=none错误:parameter=none()：保护堆栈溢出

6:模型匹配Fold06失败: parameter=none错误:保护()：保护堆栈溢出

7:模型匹配Fold07失败: parameter=none错误:保护()：保护堆栈溢出

Fold08: parameter=none错误:parameter=none()：保护堆栈溢出

9:模型匹配Fold09失败: parameter=none错误:保护()：保护堆栈溢出

Fold10: parameter=none错误:parameter=none()：保护堆栈溢出

11:在nominalTrainWorkflow中(x= x，y= y，wts =权重，info = trainInfo，.：在重放性能度量中缺少值。

你能帮忙吗？

Answer 1

与glmnet的配合似乎是可行的，虽然我还没有看过答案是否真的有意义！我必须解决一些数据问题，这可能是妨碍你的.

library(readxl)
library(caret)
library(glmnet)
library(dplyr)
dd <- (read_excel("thema3_results1.xlsx")
    |> select(-1)  ## drop row names
    |> mutate(across(gender, factor))
    |> mutate(across(-gender, as.numeric))  ## convert character to numeric!
)

set.seed(4000)

trainingRows <- createDataPartition(dd$gender, p= .8, list= FALSE, times= 1)
training_data_set <-  dd[trainingRows,]
test_data_set <- dd[-trainingRows,]
# Test training with 10 times cross-validation
fitness_control <- trainControl(method = "cv", number = 10, savePredictions = TRUE)
system.time(logistic_reg <- train(gender~ ., 
                          data=training_data_set,
                          method="glmnet",
                          family="binomial", ## not binomial() for glmnet ...
                          trControl=fitness_control))

训练步骤在我的机器上花了大约2秒，

这似乎是越来越精确的== 1，这可能意味着它仍然过分适合.？