apply()报错：'MARGIN' does not match dim(X) 求助

错误信息 #

Error in apply(as.array(na.omit(image_probabilities)), MARGIN = c(1, 2),  : 
  'MARGIN' does not match dim(X)
Called from: apply(as.array(na.omit(image_probabilities)), MARGIN = c(1, 2), 
    function(pixel) {
         which.max(pixel)
    })

错误原因 #

1. 列表转数组方式错误：image_probabilities是存储多张二维概率图像的列表，直接用as.array()转换会生成维度混乱的数组；若列表元素维度一致，本应得到行×列×类别数的三维数组，但na.omit会破坏这个结构。
2. na.omit误用：na.omit()处理列表时会移除含NA的列表元素（即整个类别），导致后续转数组时维度与预期不符；即使原列表无NA，该操作也会将列表转成非预期的数组结构，使得apply的MARGIN=c(1,2)与数组维度不匹配（比如转成一维数组时，dim长度为1，无法匹配二维MARGIN）。
3. 未验证概率图像维度一致性：若gaussian_class_likelihood返回的各类别概率图像维度不同，转数组时会直接变成一维数组，触发维度不匹配错误。

解决方法 #

步骤1：修正或移除na.omit #

如果需要处理像素级NA，应在单张概率图像内部修正，而非移除整个类别：

# 循环内处理单张概率图像的NA（示例用0填充，可按需调整）
image_probabilities[[i]] <- gaussian_class_likelihood(image_data, params)
image_probabilities[[i]][is.na(image_probabilities[[i]])] <- 0

若无需处理NA，直接删除na.omit。

步骤2：正确堆叠列表为三维数组 #

将多张二维概率图像按**第三维（类别维度）**堆叠成三维数组，确保每个像素位置对应所有类别的概率值：

• 方法一（推荐，需安装abind包）：

library(abind)
prob_array <- abind(image_probabilities, along = 3)

• 方法二（手动构造，需确保所有概率图像维度一致）：

img_dim <- dim(image_data)
prob_array <- array(unlist(image_probabilities), dim = c(img_dim[1], img_dim[2], num_classes))

步骤3：添加维度一致性检查 #

在循环中验证每张概率图像的维度，避免因维度不一致导致的数组错误：

for (i in 1:num_classes){
  params <- gaussian_parameters_estimation(split_classes[[i]])
  prob_img <- gaussian_class_likelihood(image_data, params)
  if (!all(dim(prob_img) == dim(image_data))) {
    stop(paste("类别", i, "的概率图像维度与输入图像不匹配"))
  }
  image_probabilities[[i]] <- prob_img
}

修正后的完整代码 #

maximum_likelihood_classifier <- function(image_data, df_samples, classes) {

  num_classes <- length(classes)
  image_probabilities <- vector("list", num_classes)
  img_dim <- dim(image_data)

  split_classes <- split_classes(df_samples, classes)

  for (i in 1:num_classes){
    params <- gaussian_parameters_estimation(split_classes[[i]])
    prob_img <- gaussian_class_likelihood(image_data, params)
    # 验证维度一致性
    if (!all(dim(prob_img) == img_dim)) {
      stop(paste("类别", i, "的概率图像维度与输入图像不匹配"))
    }
    # 处理像素级NA（可选）
    prob_img[is.na(prob_img)] <- 0
    image_probabilities[[i]] <- prob_img
  }

  # 堆叠为三维数组
  library(abind)
  prob_array <- abind(image_probabilities, along = 3)

  # 获取每个像素的最大概率类别
  classified_image <- apply(prob_array, MARGIN = c(1, 2), function(pixel) {
    which.max(pixel)
  })

  return(classified_image)
}

内容的提问来源于stack exchange，提问作者Vinícius D'Lucas