R语言自定义函数运行logistic回归报object 'X0' not found错如何解决

• R的模型公式采用非标准求值逻辑，你在函数内写死extry~a时，glm建模时只会在建模数据集、函数内部环境里搜索名为a的变量，不会自动把调用时传入的X0替换到公式的变量位置，自然找不到对应字段。
• 你调用函数时直接写new.function(X0)，R会优先在全局环境搜索名为X0的独立对象，不会默认把它识别为数据集里的列名，进一步触发对象不存在的报错。
• 原代码取AUC的写法也有疏漏：performance返回的是S4对象，不提取对应槽位的话拿不到实际的AUC数值。

核心是动态拼接模型公式，传参时传入列名字符串即可，修复后可直接支持多参数批量运行：

# 先加载依赖的ROCR包
library(ROCR)

run_lr <- function(var_name) {
  # 动态生成对应变量的建模公式
  lr_formula <- as.formula(paste0("extry ~ ", var_name))
  # 拟合logistic回归模型
  model <- glm(lr_formula, family = binomial("logit"), data = train_df)
  # 输出测试集预测概率
  pred_prob <- predict(model, test_df, type = "response")
  # 计算AUC数值
  pred_obj <- prediction(pred_prob, test_df$extry)
  auc_value <- performance(pred_obj, measure = "auc")@y.values[[1]]
  
  return(list("AUC" = auc_value))
}

# 单变量调用示例，传入列名字符串即可
les <- run_lr("X0")

# 批量跑多组参数示例，比如要跑X0、X1、X2三个自变量
target_vars <- c("X0", "X1", "X2")
batch_result <- lapply(target_vars, run_lr)
names(batch_result) <- target_vars

如果后续需要新增精确率、召回率、混淆矩阵等其他评估指标，直接在函数内部补充对应计算逻辑即可，批量运行的代码不需要调整。

内容的提问来源于stack exchange，提问作者lola