R分类变量插补准确性评估报错：非数值参数问题及解决

报错原因 #

你遇到的错误non-numeric argument to binary operator，本质是因为你选择了cut列——这是**有序因子（ordinal factor）**类型，而非数值型变量。MAE（平均绝对误差）是针对数值数据的评估指标，减法操作无法作用于因子类型，因此触发报错。

另外你的代码存在一个致命逻辑错误：插入NA时直接修改了输入的df，导致原始真实值被覆盖成NA，后续计算差值时调用df[idx_na, col]拿到的是NA，根本无法和插补值对比。

完整修正方案 #

1. 核心逻辑修正：保存原始真实值 #

先复制原数据并保存要插入NA位置的原始值，避免覆盖输入数据：

2. 分变量类型选择评估指标 #

• 数值型变量（如carat、price）：继续使用MAE评估
• 分类/有序因子变量（如cut、color）：改用准确率、混淆矩阵等分类评估指标

修正后的完整函数 #

pacman::p_load(tidyverse, mice)

impute_diamonds_accuracy <- function(df, col, prop) {
  # 校验输入列是否存在
  if (!col %in% colnames(df)) {
    stop("指定列不存在于数据框中")
  }
  
  n <- nrow(df)
  # 抽样要插入NA的行索引
  idx_na <- sample(1:n, prop*n)
  # 提前保存这些位置的原始真实值
  original_vals <- df[idx_na, col]
  
  # 复制原数据并插入NA，不修改输入的原始数据
  df_with_na <- df
  df_with_na[idx_na, col] <- NA
  
  # 执行插补（quiet=TRUE关闭mice的冗余输出）
  imputed_df <- mice::mice(df_with_na, method='pmm', m=1, maxit=10, quiet=TRUE)
  imputed_df <- complete(imputed_df)
  
  # 根据变量类型计算对应评估指标
  if (is.numeric(df[[col]])) {
    mae <- mean(abs(imputed_df[idx_na, col] - original_vals), na.rm = TRUE)
    accuracy_metric <- list(mae = mae)
  } else if (is.factor(df[[col]])) {
    # 计算准确率：插补值与原始值一致的比例
    accuracy <- mean(imputed_df[idx_na, col] == original_vals, na.rm = TRUE)
    # 生成混淆矩阵，查看错分情况
    conf_mat <- table(Original = original_vals, Imputed = imputed_df[idx_na, col])
    accuracy_metric <- list(accuracy = accuracy, confusion_matrix = conf_mat)
  } else {
    stop("目前仅支持数值型或因子型变量的插补评估")
  }
  
  return(list(
    original_data = df,
    data_with_na = df_with_na,
    imputed_data = imputed_df,
    original_missing_vals = original_vals,
    accuracy_metrics = accuracy_metric
  ))
}

# 测试数值型变量
result_num <- impute_diamonds_accuracy(df = diamonds, col = 'price', prop = 0.02)
cat("数值型变量插补MAE：", result_num$accuracy_metrics$mae, "\n")

# 测试有序因子变量
result_factor <- impute_diamonds_accuracy(df = diamonds, col = 'cut', prop = 0.02)
cat("因子变量插补准确率：", result_factor$accuracy_metrics$accuracy, "\n")
print(result_factor$accuracy_metrics$confusion_matrix)

额外说明 #

如果需要评估有序因子的有序一致性（比如cut从Fair到Ideal的顺序是否被正确插补），可以加载irr包，用kappa2()计算加权Kappa系数，这比普通准确率更适合有序分类场景。

内容的提问来源于stack exchange，提问作者TheGoat