为何用parsnip构建的Lasso逻辑回归模型输出全重复？

核心原因推测：Lasso惩罚系数过高 #

你设置的penalty = 1可能远大于最优值，导致Lasso正则化将所有特征的系数压缩至0，此时模型仅保留截距项，对所有样本输出相同的预测概率（该概率等于训练集中正类的样本比例，和你输出的0.462匹配）。

验证方法 #

先检查拟合后模型的系数，确认是否所有特征系数被归零：

# 提取glmnet模型在penalty=1时的系数
coef(lr_fit$fit, s = 1)

如果输出结果中，除了(Intercept)外，所有特征对应的系数均为0，即可验证此问题。

解决步骤 #

1. 降低惩罚系数或自动选择最优值 #

• 先尝试更小的penalty值（如0.01、0.1）测试：

lr_noReg_mod1 <- logistic_reg(mode = 'classification', 
                              engine = 'glmnet', 
                              penalty = 0.1) # 调整为更小的惩罚系数
lr_fit <- fit(lr_noReg_mod1, outcome_rip ~ ., data = data_lr_train)

• 更严谨的方式是用交叉验证自动选择最优penalty：

# 加载tune包
library(tune)

# 定义带可调penalty的模型
lr_tune_mod <- logistic_reg(mode = 'classification', 
                            engine = 'glmnet', 
                            penalty = tune())

# 设置penalty的候选范围（用对数尺度更合理）
penalty_grid <- grid_regular(penalty(range = c(-4, 1)), levels = 20)

# 用交叉验证训练并选择最优penalty
lr_res <- tune_grid(
  lr_tune_mod,
  outcome_rip ~ .,
  resamples = data_folds,
  grid = penalty_grid,
  metrics = metric_set(roc_auc)
)

# 提取最优penalty值
best_penalty <- select_best(lr_res, metric = "roc_auc")$penalty

# 用最优penalty重新拟合模型
lr_final_mod <- logistic_reg(mode = 'classification', 
                             engine = 'glmnet', 
                             penalty = best_penalty)
lr_final_fit <- fit(lr_final_mod, outcome_rip ~ ., data = data_lr_train)

2. 统一预处理流程，避免手动操作误差 #

你当前手动mutate转换因子的方式容易导致训练/测试集处理不一致，建议将所有预处理步骤整合到recipe中：

# 基于原始训练数据初始化recipe（用交叉验证前的原始数据）
lr_rec <- recipe(outcome_rip ~ ., data = original_train_data) %>%
  step_impute_bag(all_predictors()) %>%
  # 批量转换分类变量为因子
  step_mutate_at(vars(gender_m, starts_with("ards_type")), factor) %>%
  prep()

# 处理训练集（第1折）
data_lr_train <- data_folds$splits[[1]] %>% 
  analysis() %>%
  bake(lr_rec, new_data = .)

# 处理测试集（第1折）
data_lr_test <- data_folds$splits[[1]] %>% 
  assessment() %>%
  bake(lr_rec, new_data = .)

3. 验证测试集特征的有效性 #

如果调整penalty后仍有问题，检查测试集特征是否存在异常（如所有样本特征值完全相同）：

# 查看测试集特征的统计分布
summary(data_lr_test %>% select(-outcome_rip))
# 检查特征变异系数，确认是否有特征无变异
apply(data_lr_test %>% select(-outcome_rip), 2, function(x) sd(x)/mean(x, na.rm = TRUE))

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