分类模型报错：结果应为factor而非tbl_df，求问题排查

问题出在你的recipe代码里的**step_window步骤配置**：

你在四个step_window中都错误地将生成的窗口统计特征的角色设置为了"outcome"。原本awake ~ .已经明确指定awake是唯一的分类目标变量，而这些窗口统计值是用来辅助预测的自变量，强行把它们标记为outcome会导致最终预处理后的数据集里，目标变量变成了包含原awake和这些新特征的tibble集合，这就触发了模型的类型校验错误——分类模型要求目标变量是单一的factor，而非tibble。

修正后的Recipe代码 #

只需移除所有step_window中的role = "outcome"参数即可（step_window默认会将生成的特征标记为predictor，也就是自变量）：

basic_rec <- 
    recipe(awake ~ ., data = train) |>
    update_role(series_id, new_role = "id variable") |>
    step_mutate(prev_anglez = lag(anglez)) |>
    step_mutate(next_anglez = lead(anglez)) |>
    step_mutate(prev_enmo = lag(enmo)) |>
    step_mutate(next_enmo = lead(enmo)) |>
    step_window(anglez,
            size = 7, statistic = "mean",
            names = paste0("med_7ang_")) |>
    step_window(anglez,
            size = 11, statistic = "sd",
            names = paste0("sd_7ang_")) |>
    step_window(enmo,
            size = 7, statistic = "mean",
            names = paste0("med_7enmo_")) |>
    step_window(enmo,
            size = 11, statistic = "sd",
            names = paste0("sd_7enmo_")) |>
    step_naomit()

验证修正效果 #

你可以运行以下代码查看预处理后的数据集结构，确认awake仍是唯一的factor类型目标变量：

prep(basic_rec) |> bake(new_data = NULL) |> str()

内容的提问来源于stack exchange，提问作者Peter Hahn