R-Caret回归问题中的“错误分类模式”

Question

我试图使用各种预测算法，从卡雷特包在R中的回归问题，即我的目标变量是连续的。卡雷特认为分类是问题的适当类别，当我通过任何一个回归模型时，我会得到一条错误消息，上面写着“错误的分类模型类型”。关于可重现性，让我们来看看联合循环电厂数据集。数据在CCPP.zip中。让我们把功率作为其他变量的函数来预测。功率是一个连续变量。

  library(readxl)
  library(caret)
  power_plant = read_excel("Folds5x2_pp.xlsx")
  apply(power_plant,2, class)   # shows all columns are numeric

  control <- trainControl(method="repeatedcv", number=10, repeats=5)

  my_glm <- train(power_plant[,1:4], power_plant[,5],
           method = "lm",
           preProc = c("center", "scale"),
            trControl = control)

下面的图片是我的截图：

​

​

Answer 1

由于某些原因，caret被tibbles搞糊涂了，而tibbles是read_excel返回的数据框架的tidyverse变体。通过将其转换为一个简单的数据框架，然后再将其转换为插入符号，一切都可以工作：

library(readxl)
library(caret)
power_plant = read_excel("Folds5x2_pp.xlsx")
apply(power_plant,2, class)   # shows all columns are numeric

power_plant <- data.frame(power_plant)
control <- trainControl(method="repeatedcv", number=10, repeats=5)

my_glm <- train(power_plant[,1:4], power_plant[,5],
                method = "lm",
                preProc = c("center", "scale"),
                trControl = control)

my_glm

屈服：

Linear Regression 

9568 samples
   4 predictor

Pre-processing: centered (4), scaled (4) 
Resampling: Cross-Validated (10 fold, repeated 5 times) 
Summary of sample sizes: 8612, 8612, 8611, 8612, 8612, 8610, ... 
Resampling results:

  RMSE      Rsquared 
  4.556703  0.9287933

Tuning parameter 'intercept' was held constant at a value of TRUE

Answer 2

当我尝试使用公式=y~ x时，我得到了一个类似的错误，只要省略命名的变量并使用y~ x，效果就很好。