R语言K折交叉验证绘制各折ROC曲线及closure报错解决

• 核心触发原因是数据集列名和模型公式不匹配：构造for_lift时你将观测结局列命名为Class，但循环内调用lift()时使用的公式为diabetes ~ rf，单折数据集fold_df中不存在名为diabetes的列，R会向上寻址找到环境中类型为闭包（函数）的同名对象，导致lift()返回异常结果，后续用$data对异常结果取子集时就会触发该报错。
• 次要可能诱因：未提前加载caret包导致lift()函数寻址错误，也会触发同类报错。

修正列名匹配问题，同时优化绘图逻辑，增加参考线、平均ROC曲线提升可读性，完整可运行代码如下：

# 提前加载依赖包，避免函数寻址错误
library(caret)
library(ggplot2)
library(dplyr)

# 交叉验证控制参数无需修改
t_control <-
  trainControl(
    method = "cv",
    number = 5,
    classProbs = T,
    savePredictions = T,
    summaryFunction = twoClassSummary
  )

model_forest <- caret::train(diabetes ~., data = train_set,
                             method = "rf",
                             metric = "ROC",
                             trControl = t_control)

# 修正：结局列保持和原数据一致命名为diabetes，和后续lift公式匹配
# 正例概率直接取pos类对应列，避免因子水平顺序变动导致取错概率
for_lift <- data.frame(
  diabetes = model_forest$pred$obs, 
  rf = model_forest$pred$pos,
  resample = model_forest$pred$Resample
)

lift_df <-  data.frame()
for (fold in unique(for_lift$resample)) {
  fold_df <- dplyr::filter(for_lift, resample == fold)
  # 列名匹配后lift可正常运行
  lift_obj_data <- lift(diabetes ~ rf, data = fold_df, class = "pos")$data
  lift_obj_data$fold = fold
  lift_df = rbind(lift_df, lift_obj_data)
}

# 计算整体平均ROC坐标
lift_overall <- lift(diabetes ~ rf, data = for_lift, class = "pos")$data
lift_overall$fold <- "平均"
plot_df <- rbind(lift_df, lift_overall)

# 绘图
ggplot(plot_df) +
  geom_abline(linetype = "dashed", color = "gray50") + # 添加随机猜测参考线
  geom_line(aes(1 - Sp, Sn, color = fold, linewidth = fold)) +
  # 平均曲线加粗突出显示
  scale_linewidth_manual(
    values = c("平均" = 1.2, setNames(rep(0.7, length(unique(lift_df$fold))), unique(lift_df$fold))),
    guide = "none"
  ) +
  scale_color_discrete(guide = guide_legend(title = "交叉验证折数")) +
  labs(x = "1 - 特异度（假阳性率）", y = "敏感度（真阳性率）", title = "5折交叉验证各折ROC曲线") +
  theme_bw()

• 修正了for_lift构造时的列名错误，保证lift()公式中的变量名和数据集中列名完全一致，从根源解决闭包取子集的报错
• 正例概率直接取pos类对应列，避免因子水平顺序变化导致取错概率的问题
• 新增随机猜测参考对角线、整体平均ROC曲线，绘图可读性更强
• 显式加载所有依赖包，避免函数寻址错误

内容的提问来源于stack exchange，提问作者PicaPython