R语言调用pcr函数建模时报错'data'需为数据框/环境/列表如何解决

触发该报错有两个核心问题：

1. 训练集选取逻辑错误：你定义train时只筛选了charges单列，pcr()的模型公式需要同时用到因变量charges和自变量age、bmi、children、smoker，训练集缺失全部自变量列本身就无法完成建模。
2. 数据类型自动转换问题：R中用[ ]索引数据框时，如果筛选结果仅包含1列，会默认将数据框降维为原子向量，不符合pcr()对data参数必须为数据框/列表/环境的要求，直接触发你看到的错误提示。

• 运行class(train)查看训练集类型，如果返回值为"numeric"/"integer"等向量类型，即可确认发生了非预期的自动降维。
• 运行colnames(train)查看训练集包含的列，核对是否覆盖模型公式中声明的全部变量。

# 先加载pcr函数所属的pls包，未安装请先运行install.packages("pls")
library(pls)

#define training and testing sets
set.seed(555)
# 修正：训练集纳入所有建模需要的变量，多列选取时不会触发自动降维
train <- df2[1:800, c("charges","age","bmi","children","smoker")]
y_test <- df2[801:nrow(df2), c("charges")]
test <- df2[801:nrow(df2), c("age","bmi","children","smoker")]
   
#use model to make predictions on a test set
model <- pcr(charges~age+bmi+children+smoker, data = train, scale=TRUE, validation="CV")
pcr_pred <- predict(model, test, ncomp = 4)

#calculate RMSE
sqrt(mean((pcr_pred - y_test)^2))

• 如果后续需要选取数据框单列且保留数据框结构，在索引时添加drop = FALSE参数即可，示例：single_col_df <- raw_df[, "col_name", drop = FALSE]。
• 主成分回归预测阶段传入的测试集仅需要包含全部自变量，不需要因变量列，这部分原有写法逻辑正确。

内容的提问来源于stack exchange，提问作者W.tan