在R语言中运行prcomp函数时遭遇‘object of type 'closure' is not subsettable’错误的技术求助

首先，你遇到的'object of type 'closure' is not subsettable'错误，直接原因是调用prcomp函数时用了方括号[]而非圆括号()。方括号[]是R中用来子集化数据框、向量这类对象的语法，而prcomp是一个函数，调用函数必须用圆括号()来传递参数。

1. 修正PCA调用代码 #

把你最后一行的错误代码：

pca <- prcomp[data = pca_train, center=FALSE, scale=FALSE]

改成：

pca <- prcomp(pca_train, center=FALSE, scale.=FALSE)

或者用更清晰的命名参数写法：

pca <- prcomp(x = pca_train, center = FALSE, scale. = FALSE)

注意：prcomp里的缩放参数是scale.（带点），不是scale；不过你已经提前标准化了数据，所以设置center=FALSE和scale.=FALSE是正确的。

2. 补充测试集的标准化（重要！） #

你只对训练集做了标准化，但测试集的特征必须使用训练集的均值和标准差来标准化，不能直接用测试集自己的统计量，否则会引入数据泄露，导致PCA和后续模型的结果偏差。

这里提供一个更严谨的标准化方案：

# 提取训练集特征列
train_features <- leaf_train[, 2:15]
# 记录训练集的均值和标准差（后续给测试集用）
train_means <- colMeans(train_features)
train_sds <- apply(train_features, 2, sd)

# 训练集标准化
leaf_train_standard <- leaf_train
leaf_train_standard[, 2:15] <- scale(train_features, center = train_means, scale = train_sds)

# 测试集用训练集的统计量标准化
leaf_test_standard <- leaf_test
leaf_test_standard[, 2:15] <- scale(leaf_test[, 2:15], center = train_means, scale = train_sds)

# 准备PCA输入
pca_train <- leaf_train_standard[, 2:15]
pca_test <- leaf_test_standard[, 2:15]

# 正确执行PCA
set.seed(1000)
pca <- prcomp(pca_train, center = FALSE, scale. = FALSE)

3. 额外小检查 #

• 可以用head(training_set)确认stratified_labels返回的ID_unit是合理的行索引；
• 你已经将leaf_data$Species转为因子，这一步没问题，符合分类任务的要求。

这样修改后，你的PCA代码就能正常运行，同时也解决了测试集标准化的潜在问题。

内容的提问来源于stack exchange，提问作者Davide Trono