R语言执行knn函数时出现强制转换NA及外函数调用非法值报错

这串报错的完整触发逻辑非常清晰：

• 调用knn时，底层C计算接口要求所有入参必须是有限数值，不能存在NA、NaN、Inf值。
• 你看到的两次“NAs introduced by coercion”提示，是R在给C接口传参数之前，自动把非数值类型做强制转换时生成的警告——转换出来的NA值被直接带进了C接口，因为不兼容要求的数值类型，直接抛出了终止级别的错误。
• 你当前只检查了类别标签data_train_labels的结构是正常2水平因子，但最容易出问题的两个核心入参data_train、data_test的合规性完全没排查，这才是报错的核心来源。

按触发概率从高到低逐点核对即可：

• 首先验证训练、测试集的特征类型是否合规
  • knn要求train和test必须是纯数值的数据集，不能混入字符、原生因子、逻辑类列——这类列在强制转数值时会直接生成NA，你看到的两次强转警告，正好对应处理train、test两个数据集时的两次类型转换动作，匹配度很高。
  • 用下面的代码逐列排查会出问题的列：

    sapply(data_train, function(col) any(is.na(as.numeric(col))))
    sapply(data_test, function(col) any(is.na(as.numeric(col))))
    

  • 修复方式：删掉数据里混进的样本ID、文本描述这类非特征列，对分类特征做独热编码转成0/1数值列，确保所有特征列转成数值时不会生成新的NA。
• 其次验证标签长度和训练集的匹配性
  • 哪怕data_train_labels本身是结构正常的因子，如果标签数量和训练集行数对不上，强转时也会生成NA触发同样的错误。
  • 验证代码：

    length(data_train_labels) == nrow(data_train)
    

  • 修复方式：删掉没有对应标签的训练样本，确保标签长度和训练集行数完全一致。
• 最后排查数据本身自带的异常值
  • 就算所有列都是数值类型，也要确认数据里没有本来就存在的NA、Inf值——knn不会自动过滤这类值，传到C接口就会直接报错。
  • 验证代码：

    any(is.na(data_train) | is.infinite(as.matrix(data_train)))
    any(is.na(data_test) | is.infinite(as.matrix(data_test)))
    any(is.na(data_train_labels))
    

  • 修复方式：对查到的异常值做缺失值填充、异常截断，或者直接删掉对应样本，确保所有参与计算的值都是有效有限数值。

全部排查修复完成后，直接运行原knn调用代码即可正常执行。

内容的提问来源于stack exchange，提问作者Raq