Tidymodels调参出现秩亏预测警告与model.frame.default报错如何解决？

问题1：lm模型秩亏警告 prediction from a rank-deficient fit may be misleading #

核心触发点如下：

• 预处理步骤冗余：step_normalize 本身等价于 step_center + step_scale，同时使用两类操作属于重复计算，无额外收益还可能干扰特征分布判断。
• 哑变量生成规则错误：对 Site.Type 做哑变量转换时开启了 one_hot = TRUE，会生成与类别数相等的k个哑变量，k个哑变量的和恒为1，天生存在完全共线性，直接导致矩阵秩亏。
• 预处理过滤逻辑不完整：lm的recipe没有添加 step_lincomb 移除完全线性相关的特征，且step_corr仅能移除高于相关系数阈值的特征，无法处理完全共线的情况；同时所有过滤步骤是基于全训练集计算的，拆分到每折CV的训练子集时，仍可能出现特征无变异、特征共线的情况。
• 交叉验证拆分不合理：空间CV设置v=20，如果训练集总样本量偏小，每折的训练子集样本过少，很容易出现Site.Type的稀有类别无样本、特征无变异的情况，进一步触发秩亏。

问题2：glm模型报错 Error in elnet(...) #

glmnet的底层要求输入特征矩阵必须满秩，不能存在任何完全共线的特征，上述导致lm秩亏的所有问题，在glm模型中都会直接触发报错而非警告；即使你在glm的recipe中添加了step_lincomb，但该步骤基于全训练集计算，仍无法覆盖每折CV子集的特征共线情况。

修复方案 #

1. 清理并调整预处理逻辑 #

移除冗余步骤，调整步骤顺序，修正哑变量规则，参考修改后的recipe如下：

# 通用recipe（lm和glm可共用，无需单独定义）
common_recipe <- 
  recipe(formula = logRR ~ ., data = af.train) %>% 
  update_role(Site.Type, new_role = "predictor") %>%
  update_role(Latitude, Longitude, Tree, new_role = "sample ID") %>% 
  # 合并占比低于5%的稀有类别，避免分折后类别缺失
  step_other(Site.Type, threshold = 0.05, other = "other") %>%
  step_novel(Site.Type, -all_outcomes()) %>% 
  # 关闭one_hot，默认生成k-1个哑变量，避免天生共线
  step_dummy(Site.Type, naming = partial(dummy_names,sep = "_")) %>%
  # 先过滤无价值特征，再做数值转换
  step_zv(all_predictors()) %>% 
  step_nzv(all_predictors()) %>%
  step_corr(all_numeric_predictors()) %>%
  # 强制移除完全线性相关的特征，彻底避免秩亏
  step_lincomb(all_numeric_predictors()) %>%
  # 仅保留一次标准化操作即可
  step_normalize(all_numeric_predictors()) 

2. 调整交叉验证参数 #

如果训练集样本量小于1000，将空间CV的折数v从20调整为5-10，普通CV的折数也同步调整，避免每折训练子集样本量过少导致的特征变异不足问题。

3. 调整控制参数（可选） #

如果不需要后续做模型堆叠，将control_stack_grid()替换为普通的重采样控制参数即可：

model.control <- control_resamples(save_pred = TRUE, save_workflow = FALSE)

内容的提问来源于stack exchange，提问作者Kamau Lindhardt