使用map()调用GAM模型失败，LM模型可正常运行的问题求助

• 场景：使用modelr::crossv_mc拆分mtcars数据集，用purrr::map批量训练模型时，LM模型可以正常运行，但GAM模型报错。单独调用gam(mpg~wt, data=mtcars)则正常。

原因 #

crossv_mc生成的train列里的对象是resample类（并非普通数据框），lm函数内部会自动识别并转换这类对象为数据框，但mgcv::gam不会做这个自动转换，它要求data参数必须是标准数据框类型。

解决方法 #

方法1：手动将resample对象转为数据框 #

修改GAM模型的定义函数，把传入的df用as.data.frame()转换：

fn_model <- function(df){
  mgcv::gam(mpg ~ wt, data = as.data.frame(df))
}

df_split_model <-
  df_split %>%
  mutate(model = map(train, fn_model)) %>%
  print()

方法2：使用modelr的model_train函数 #

modelr包提供的model_train函数可以自动处理resample对象，无需手动转换：

fn_model <- function(df){
  model_train(df, mpg ~ wt, mgcv::gam)
}

df_split_model <-
  df_split %>%
  mutate(model = map(train, fn_model)) %>%
  print()

验证 #

运行上述修正后的代码，GAM模型就能像LM模型一样批量训练成功了。

内容的提问来源于stack exchange，提问作者adrianmnc