R语言caret包preProcess执行knnImpute时报索引向量错误

该报错是caret包与RANN包版本不兼容，叠加高版本R的严格下标校验规则共同导致的：

• 在preProcess流程中，设置knnImpute处理方法时，会自动调用RANN包的nn2函数计算缺失值插补所需的最近邻索引
• 0.26及以上版本的RANN中，nn2返回的最近邻索引字段nn.idx固定为二维矩阵结构，不再像旧版本那样在单维度场景下返回一维简单向量
• 旧版本caret的knnImpute实现逻辑未适配矩阵格式的索引，直接将矩阵对象传入行下标位置做子集选取；高版本R默认要求行下标必须是一维简单向量，因此直接拦截并抛出Subscript nn$nn.idx must be a simple vector, not a matrix的报错。

• 优先将caret升级到当前最新正式版：最新版caret已在knnImpute流程中做了类型适配，无论RANN返回的nn.idx是矩阵还是向量，都会自动转换为符合要求的简单下标，可从根源规避报错
• 若环境限制无法升级caret，可将RANN降级到0.25及以下兼容版本：该版本的nn2返回值结构完全匹配旧版caret的输入预期，不会触发下标校验错误
• 临时手动适配修复：若无法调整包版本，可在调用predict完成数据转换前，手动修改caret内部knnImpute预测函数的逻辑，增加将nn.idx从矩阵转为一维向量的步骤，即可满足R的下标格式要求

# 1. 从原始训练集剔除目标变量，生成独立特征子集
train_feature_set <- train[, setdiff(colnames(train), "SalePrice")]

# 2. 生成预处理规则模型（preProcess返回的是拟合好的处理规则，不是转换后的数据）
prep_model <- preProcess(
  train_feature_set,
  method = c("center", "scale", "knnImpute", "nzv", "YeoJohnson")
)

# 3. 加载依赖包完成数据转换
library(RANN)
processed_train <- predict(prep_model, newdata = train_feature_set)

注意：不要将preProcess的返回值命名为imputedData这类指代转换后数据的名称，命名混淆容易导致后续操作把模型对象当成数据框传入predict，触发其他类型的连锁报错。

内容的提问来源于stack exchange，提问作者Marcel Ndi