本地运行Shiny App遇Ranger报错：sample_fraction过小无样本抽取

运行Shiny App时出现以下错误：

> shinyApp(ui, server)

Listening on http://127.0.0.1:5603
Error: sample_fraction too small, no observations sampled. Ranger will EXIT now.
Warning: Error in predict.ranger.forest: User interrupt or internal error.

场景说明 #

数据集含17000条观测值，采用Ranger引擎构建随机森林回归模型，已尝试设置sample.fraction=1（有放回）、0.632（无放回），调参时设大于1的值也报错；也试过将sample.fraction改为sample_fraction，问题依旧。模型定义代码如下：

## Step 3: Fit (Choosing Algorithms) ====

RF <- 
  rand_forest() %>% 
  set_args(trees = tune(), 
           mtry = tune(),
           min_n = tune()
  ) %>% 
  set_engine("ranger",
             importance = "permutation",
             replace = TRUE,
             sample.fraction = 1) %>%  
  set_mode("regression") 

排查方向 #

• 检查数据预处理与传递环节：

  • 在模型拟合前添加print(nrow(your_dataset))，确认实际传入模型的样本量是否正常，排查是否在Shiny的反应式逻辑、数据筛选或缺失值处理中误删了大部分数据，导致实际可用样本量趋近于0。
  • 如果使用了分组交叉验证（如group_vfold_cv），检查分组内的样本量是否过小，即使整体数据量大，单分组样本可能无法满足抽样比例要求。

• 验证参数传递与调参逻辑：

  • 确认调参过程中未误将sample.fraction纳入调参参数列表，避免调参生成过小的取值触发错误。
  • 注意Ranger的规则：replace=TRUE时sample.fraction可设为1；replace=FALSE时必须小于1，大于1的设置本身不符合规则，必然报错。

• 排查Shiny环境作用域问题：

  • 确保模型拟合代码所在的server函数内，数据集变量处于正确作用域（如全局环境或server内正确读取），避免出现数据集为空的情况。

• 简化调试定位问题：

  • 脱离Shiny环境，在控制台直接运行模型拟合代码，若控制台正常则问题出在Shiny逻辑；若控制台也报错，则聚焦模型定义或数据本身。
  • 暂时固定trees、mtry、min_n的具体值（如trees=100, mtry=5, min_n=10），去掉调参逻辑，验证模型是否能正常运行，排除调参参数冲突。

内容的提问来源于stack exchange，提问作者TomR