R中用caret做线性回归预测年龄遇“inputs must be factors”错误求助

你的报错完全是因为选错了模型评估的汇总函数。

核心问题 #

twoClassSummary是专门为二分类任务设计的汇总函数，它会计算敏感度（sensitivity）、特异性这类分类任务指标，而敏感度的计算要求输入必须是分类因子。但你的任务是回归任务（预测连续数值型的年龄），两者完全不匹配，所以才会出现"inputs must be factors"的错误，这和线性回归需要数值型数据的逻辑并不冲突。

修正方案 #

只需要修改trainControl中的summaryFunction参数，回归任务可以：

• 直接移除该参数，让caret自动使用回归任务默认的评估指标（RMSE、R²等）
• 或者明确指定回归专用的汇总函数regressionSummary

修正后的代码示例

DEX = createDataPartition(y = age_pred$age, p=0.8, list = FALSE)
age_trn = age_pred[DEX, ]
age_tst = age_pred[-DEX,]

# 方案1：移除summaryFunction参数
ctrlCV = trainControl(method = 'cv', number = 5 , classProbs = FALSE , savePredictions = TRUE)

# 方案2：指定回归专用的汇总函数
# ctrlCV = trainControl(method = 'cv', number = 5 , classProbs = FALSE , savePredictions = TRUE, summaryFunction = regressionSummary)

ageModel <- caret::train(age ~ ., data = age_trn, 
                       method = 'lm',
                       trControl = ctrlCV)

额外说明 #

classProbs = FALSE这个参数设置是正确的，因为回归任务不需要计算类别概率，保持默认即可。

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