使用MARS算法的Earth函数运行报错，请求技术协助

我之前也碰到过类似的earth包报错情况，结合你的描述，咱们一步步拆解可能的原因和排查方法：

1. 高次交互项导致的数值溢出（最可能的原因） #

你设置了degree=4，earth会自动生成特征的高次项和交互项（比如x1^4、x1*x2^3这类组合）。哪怕原始特征看起来完全正常，但如果某个特征本身数值较大，四次方后就可能超出R的数值范围，变成Inf；或者多个大数值特征的交互项相乘后溢出成NaN。

验证方法：

• 先把degree调低到2，重新运行模型：

  EarthAlgo<-earth(cible~., data=train, degree=2, glm=list(family=binomial))
  

  如果不报错，那基本可以确定是高次项的数值溢出问题。
• 对所有数值型特征做标准化处理后再训练：

  # 标准化除了cible以外的数值列
  num_cols <- sapply(train, is.numeric)
  num_cols["cible"] <- FALSE
  train_scaled <- train
  train_scaled[, num_cols] <- scale(train_scaled[, num_cols])
  
  # 重新训练模型
  EarthAlgo<-earth(cible~., data=train_scaled, degree=4, glm=list(family=binomial))
  

2. 隐藏的异常值/缺失值 #

有时候表面看最后两行数据没异常，但可能存在隐形的NaN/Inf，或者极端极值：

• 用以下代码检查整个训练集的异常值：

  # 检查所有列的NA/NaN/Inf
  sapply(train, function(x) any(is.na(x) | is.infinite(x)))
  # 查看数值列的极值
  summary(train[sapply(train, is.numeric)])
  

• 另外，检查因子变量的水平分布：如果最后两行的某个因子水平在整个数据集里只有这两行存在，生成交互项时也可能触发计算问题，用table(train$你的因子列名)查看分布。

3. 追踪模型训练的中间过程 #

给earth函数加上trace=1参数，打印训练时的中间步骤，能看到具体处理到哪一步报错：

EarthAlgo<-earth(cible~., data=train, degree=4, glm=list(family=binomial), trace=1)

这样可以定位到是处理哪一行或哪组特征时出现的问题，缩小排查范围。

4. 单独验证最后两行数据 #

把最后两行单独拿出来训练模型，看是否会触发同样的报错：

test_last_two <- tail(train, 2)
EarthAlgo_test <- earth(cible~., data=test_last_two, degree=4, glm=list(family=binomial))

• 如果这个测试也报错，说明这两行的特征组合生成高次项时必然出问题；
• 如果不报错，那可能是这两行和前面的数据组合后，生成了特殊的交互项导致溢出。

内容的提问来源于stack exchange，提问作者David