R语言neuralnet函数报错：未选择定义的列（colunas indefinidas selecionadas）求助

嗨，我看到你在用neuralnet包搭建神经网络时碰到了这个列未定义的错误，之前跑决策树、KNN、SVM这些模型都没问题，确实挺闹心的😅。我帮你分析下可能的原因和解决办法：

• 核心问题：列名中的连字符被公式解析成运算符
  你数据里的列名比如cap-shape、stalk-surface-above-ring都带有连字符-，在R的公式语法里，-是减号运算符。neuralnet在解析poisonous~.的时候，会把这些列名误当成“变量相减”（比如把cap-shape理解成cap - shape），但你的数据里根本没有cap或shape这类列，自然就会报“未定义的列”错误。而其他模型对~.的解析逻辑更宽松，所以没出问题。

• 解决办法1：批量替换列名中的连字符为下划线
  这是最简单的方案，一次性解决所有列名的歧义问题：

  # 把所有列名的连字符换成下划线
  colnames(treino) <- gsub("-", "_", colnames(treino))
  # 再重新运行neuralnet
  neuralnet(poisonous~.,
            data = treino,
            hidden = 2,
            linear.output = FALSE,
            likelihood = TRUE)
  

• 解决办法2：用reformulate自动构建正确的公式
  如果不想修改列名，可以用reformulate函数帮你生成带正确列名引用的公式，它会自动给带特殊字符的列名加上反引号，避免解析错误：

  # 提取除了poisonous之外的所有特征列名
  feature_cols <- setdiff(colnames(treino), "poisonous")
  # 构建公式
  nn_formula <- reformulate(feature_cols, response = "poisonous")
  # 运行neuralnet
  neuralnet(nn_formula,
            data = treino,
            hidden = 2,
            linear.output = FALSE,
            likelihood = TRUE)
  

• 额外建议：检查响应变量类型
  你的poisonous是因子类型，虽然neuralnet的linear.output=FALSE支持分类任务，但把因子转成数值型（比如0/1）通常会更稳妥，避免潜在的类型问题：

  # 把因子转成0和1的数值型
  treino$poisonous <- as.integer(treino$poisonous) - 1
  

备注：内容来源于stack exchange，提问作者3Gijo