使用lm模型调用train函数时出现未使用参数错误的技术求助

我帮你分析下问题所在，以及对应的修复方案：

核心错误原因 #

你犯了一个参数匹配的关键错误：把公式对象frm传给了train函数的data参数。train函数的data参数要求传入的是包含所有建模变量的数据框，而非公式对象。当你错误地将公式赋值给data后，函数无法识别后续的method、trControl等参数，因此抛出了"unused arguments"的错误。

另外，你的trainControl设置也存在适配问题：classProbs=TRUE和summaryFunction=twoClassSummary是专为分类模型设计的参数，但你要训练的是线性回归（属于回归任务），这些参数完全不适用，保留它们会引发额外的错误。

修正后的代码示例 #

假设你的原始数据集（包含Viajeros和所有特征变量）叫做travel_data，修正后的完整代码如下：

# 必须确保加载caret包，否则train函数可能来自其他不兼容的包
library(caret)

# Regresión lineal múltiple
# 修正trainControl：移除分类相关参数，回归任务使用交叉验证的基础配置
trainControl <- trainControl(method="cv", number=3)

# 构建公式（这部分你的代码是正确的，无需修改）
frm <- as.formula(paste("Viajeros ~ ", paste(relevant_features, collapse="+")))

set.seed(7)
# 修正train调用：formula使用你构建的frm，data传入实际数据集
fit <- train(frm, data = travel_data, method="lm", trControl=trainControl)

如果不想使用frm变量，直接写公式也可以：

fit <- train(Viajeros ~ ., data = travel_data, method="lm", trControl=trainControl)

额外排查步骤 #

1. 验证数据类型：运行class(travel_data)，输出应为"data.frame"；运行class(frm)，输出应为"formula"。
2. 确认caret包加载：如果没执行library(caret)，train函数可能来自stats包，而stats的train函数没有method、trControl这些参数，这也会导致错误。
3. 检查特征变量：确保relevant_features中的所有变量都存在于你的数据集中，没有拼写错误。

内容的提问来源于stack exchange，提问作者Marta López Gómez