R语言循环调用cv.kknn报apply维度错误，如何输出MAE汇总表

• kcv是cv.kknn函数中控制交叉验证折数的参数，取值必须满足 2 ≤ kcv ≤ 数据集总行数。你测试的参数包含500、1000两个大值，如果你导入的信用卡数据集总行数小于1000甚至小于500，过大的折数会导致拆分交叉验证集时出现单折样本量为0的情况，触发weightClass维度计算错误，就是你遇到的报错。
• 你已经把响应变量V11转成了因子类型，此时cv.kknn会按分类任务处理，返回的结果结构和回归任务不同，你直接取model_simple5[2]计算MAE的逻辑本身不成立，MAE是回归任务的评估指标，分类任务应该用准确率、混淆矩阵这类指标。

1. 首先运行nrow(data_CCard)确认数据集总行数，kcv的取值不能超过这个数值
2. 如果你要做回归任务，删掉把V11转成因子的代码；如果是分类任务，把评估指标从MAE替换为分类准确率
3. 优化结果存储逻辑，避免list拼接引发的类型错误

# 导入数据
data_CCard = read.table("/Users/credit_card_data.txt", stringsAsFactors = FALSE, header = FALSE)
# 回归任务删掉下行代码，分类任务保留
# data_CCard$V11 =as.factor(data_CCard$V11)
set.seed(188)

# 确认数据集行数，调整parameter最大值不要超过样本量
cat("数据集总行数为：", nrow(data_CCard), "\n")
# 先移除超过常规样本量的500、1000，确认运行正常后再按需调整参数范围
parameter = c(10,30,50,70,90,100) 
result_df = data.frame(kcv = numeric(), MAE = numeric())

library(kknn)
# 循环测试
for (i in seq_along(parameter)){
  current_kcv = parameter[i]
  model_simple5 = cv.kknn(V11 ~., 
                         data = data_CCard,
                         kcv = current_kcv,
                         scale= TRUE)
  # 回归任务正确计算MAE：cv.kknn返回第一列为真实值，第二列为预测值
  current_mae = mean(abs(model_simple5[,1] - model_simple5[,2]))
  result_df = rbind(result_df, data.frame(kcv = current_kcv, MAE = current_mae))
}

# 输出结果表格
print(result_df, row.names = FALSE)

• 如果确实需要测试1000这类大kcv值，必须保证数据集行数≥1000，否则kcv最大只能取到数据集总行数，对应留一交叉验证
• 直接初始化数据框逐行追加结果，比用cbind拼接list再转数值类型的写法更稳妥，不容易出现隐式类型错误

内容的提问来源于stack exchange，提问作者blackjacc