R中使用自定义交叉验证训练glmnet时遇错误求助

问题分析 #

你遇到的两个核心问题：

1. "Setting row names on a tibble is deprecated"警告：因为train函数处理tibble格式数据时，尝试设置行名的操作已被tibble包弃用。
2. glmnet拟合失败：常见诱因包括目标变量格式错误、数据含缺失值、变量共线性极强、lambda序列不合理等。你的y_train维度为(6048,1)，说明目标变量是单列data.frame而非向量，这是触发拟合失败的潜在原因之一。

解决方案 #

1. 消除行名设置警告 #

将输入的预测变量数据从tibble转换为普通data.frame或矩阵，规避tibble行名操作的兼容性问题：

Train_x <- as.data.frame(Train[, predictorsNames])

2. 修正目标变量格式 #

确保目标变量是因子向量而非单列data.frame，glmnet要求y输入为向量格式：

Train_y <- Train[[outcomeName]]  # 也可使用 dplyr::pull(Train, bcpm07c)

3. 排查数据异常 #

• 检查缺失值：缺失值会直接导致glmnet拟合失败，统计各列缺失情况：

  colSums(is.na(Train))
  

  处理方式：删除含缺失的行（Train <- na.omit(Train)）或填充缺失值（如用中位数填充：Train <- mutate_all(Train, ~ifelse(is.na(.), median(., na.rm=T), .))）。
• 检查共线性：高度相关的变量会干扰正则化过程，计算变量相关系数：

  corr_matrix <- cor(Train[, predictorsNames])
  # 筛选相关系数绝对值>0.9的变量对
  high_corr_pairs <- which(abs(corr_matrix) > 0.9 & row(corr_matrix) != col(corr_matrix))
  

  处理方式：移除其中一个共线性强的变量。

4. 优化模型参数设置 #

• 手动指定lambda范围：默认lambda序列可能包含极端值，手动设置合理范围提升拟合稳定性：

  tuneGrid <- expand.grid(alpha = 1, lambda = seq(0.001, 0.1, by = 0.001))
  

• 添加标准化预处理：显式设置变量中心化和标准化，确保变量尺度一致：

  preProcess = c("center", "scale")
  

修改后的完整代码 #

new_df$bcpm07c <- as.factor(new_df$bcpm07c )

outcomeName <- "bcpm07c"
predictorsNames <- names(new_df)[names(new_df)!= outcomeName]

# 调整数据格式，适配glmnet要求
Train_x <- as.data.frame(Train[, predictorsNames])
Train_y <- Train[[outcomeName]]

ctrl <- trainControl(method="repeatedcv", number = 10, repeats = 3 )

# 带优化设置的模型训练
fit.lass <- train(Train_x, Train_y, 
                  family= "binomial", 
                  alpha = 1, 
                  method='glmnet', 
                  trControl=ctrl,
                  preProcess = c("center", "scale"),
                  tuneGrid = expand.grid(alpha = 1, lambda = seq(0.001, 0.1, by=0.001)))

内容的提问来源于stack exchange，提问作者NFB