将分位数回归适配到caret包时报错，求问题排查与解决

1. 未正确提取参数：caret将网格搜索的参数传入quantregFit函数的param参数中，代码中直接使用tau=tau会导致R无法找到tau变量，触发未定义错误。
2. 逻辑判断错误：if (param$tau)将数值型的分位数参数作为逻辑条件使用，完全不符合业务逻辑，会导致拟合分支错误。

library(quantreg)
quantregression <- list(type='Regression', library='quantreg', loop=NULL)

# 定义参数信息
param <- data.frame(parameter = c("tau"), class = c("numeric"), label = c("tau"))
quantregression$parameters <- param

# 定义网格搜索参数范围
quantGrid <- function(x, y, len=NULL, search="grid"){
  if(search == "grid"){
    out <- expand.grid(tau=c(.05, .25, .5, .75, .95)) 
  }
  out
}
quantregression$grid <- quantGrid

# 修复拟合函数
quantregFit <- function(x, y, wts, param, lev, last, classProbs, ...){
  dat <- if(is.data.frame(x)) x else as.data.frame(x)
  dat$.outcome <- y
  
  # 从param中提取tau参数，移除错误的逻辑判断
  if(!is.null(wts)){
    out <- quantreg::rq(.outcome ~ ., data = dat, weights = wts, tau = param$tau, ...)
  } else {
    out <- quantreg::rq(.outcome ~ ., data = dat, tau = param$tau, ...)
  }
  out
}       
quantregression$fit <- quantregFit

# 预测函数保持不变
quantPred <- function(modelFit, newdata, preProc=NULL, submodels=NULL){
  if(!is.data.frame(newdata)) newdata <- as.data.frame(newdata)
  quantreg::predict.rq(modelFit, newdata)
}
quantregression$predict <- quantPred

# 分位数回归不需要概率预测，返回NULL
quantProb <- function(){
  return(NULL)
}
quantregression$prob <- quantProb

使用mtcars数据集测试交叉验证：

library(caret)
set.seed(123) # 固定随机种子保证可复现

# 定义5折交叉验证控制
train_ctrl <- trainControl(method = "cv", number = 5)

# 训练分位数回归模型
qr_cv_result <- train(mpg ~ ., data = mtcars, method = quantregression, trControl = train_ctrl)

# 查看交叉验证结果
print(qr_cv_result)

内容的提问来源于stack exchange，提问作者mesist