如何在R中使用CAST包处理多边形Shapefile并运行Lasso模型？

目标：针对sf多边形格式的数据运行LASSO模型进行变量选择。
数据：带多边形的shapefile，为sf对象。
尝试使用ffs或train函数均无法正常运行，以下是可复现示例（忽略变量名中74和79结尾的时间关联）：

library(sf)
library(CAST)

# 加载数据
nc <- st_read(system.file("shape/nc.shp", package="sf"))

# 划分训练集和测试集
set.seed(100)
ind   <- sample(2,nrow(nc),replace=T,prob = c(0.7,0.3))
train <- nc[ind==1,]
test  <- nc[ind==2,]

predictors <- c("SID74","BIR79","BIR74")
response   <- "NWBIR79"

尝试1：使用ffs进行前向特征选择 #

set.seed(10)
ffs(train[,predictors], train$NWBIR79,method = "lasso")

报错信息：

[1] "model using SID74,BIR79 will be trained now..."
Something is wrong; all the RMSE metric values are missing:
      RMSE        Rsquared        MAE     
 Min.   : NA   Min.   : NA   Min.   : NA  
 1st Qu.: NA   1st Qu.: NA   1st Qu.: NA  
 Median : NA   Median : NA   Median : NA  
 Mean   :NaN   Mean   :NaN   Mean   :NaN  
 3rd Qu.: NA   3rd Qu.: NA   3rd Qu.: NA  
 Max.   : NA   Max.   : NA   Max.   : NA  
 NA's   :3     NA's   :3     NA's   :3    
Error: Stopping
In addition: There were 26 warnings (use warnings() to see them)

尝试2：直接使用train训练LASSO模型 #

set.seed(100)
model <- train(train[,predictors], train$NWBIR79, method="lasso", trControl=trainControl(method = "cv"),importance=T)

报错信息：

Something is wrong; all the RMSE metric values are missing:
      RMSE        Rsquared        MAE     
 Min.   : NA   Min.   : NA   Min.   : NA  
 1st Qu.: NA   1st Qu.: NA   1st Qu.: NA  
 Median : NA   Median : NA   Median : NA  
 Mean   :NaN   Mean   :NaN   Mean   :NaN  
 3rd Qu.: NA   3rd Qu.: NA   3rd Qu.: NA  
 Max.   : NA   Max.   : NA   Max.   : NA  
 NA's   :3     NA's   :3     NA's   :3    
Error: Stopping
In addition: There were 11 warnings (use warnings() to see them)

报错核心原因是传入的是包含几何列的sf对象，train（caret包）和ffs（CAST包）无法直接处理带空间几何信息的sf对象，必须先移除几何列，仅保留属性数据。

修改步骤与代码示例 #

1. 先从训练集的sf对象中移除几何列，转换为普通数据框：

# 提取需要的属性列并移除几何信息
train_attr <- st_drop_geometry(train[, c(predictors, response)])
# 分离预测变量和响应变量
x_train <- train_attr[, predictors]
y_train <- train_attr[[response]]

2. 修改后的ffs运行代码：

set.seed(10)
ffs_model <- ffs(x_train, y_train, method = "lasso")

3. 修改后的train运行代码：

set.seed(100)
model <- train(x_train, y_train, method="lasso", trControl=trainControl(method = "cv"), importance=T)

这样处理后，函数就能正常处理纯数值的属性数据，不会因几何列的存在导致计算错误。

内容的提问来源于stack exchange，提问作者Adriana Castillo Castillo