R-检测到非树模型！此功能只能用于树模型

我是R的新手。当我试着运行

xgb.importance

时，我明白了这一点

"Error in xgb.model.dt.tree(feature_names = feature_names, text = text) : 
  Non-tree model detected! This function can only be used with tree models".

任何帮助都将不胜感激

require(xgboost)

require(Matrix)

require(data.table)

if (!require('vcd')) install.packages('vcd')

a = data.frame(id=c(1,2,3,4,5), smoke=c('Yes','No','Yes', 'Yes', 'Yes'), sugar=c('Yes','No','Yes', 'Yes','Yes'), sex=c('M','F','F', 'M','F'), diseased=c('Yes','No','Yes', 'Yes','Yes'), age=c(20,21,45, 45, 40))

d <- data.table(a, keep.rownames = F)

head(d[,AgeDiscret := as.factor(round(age/10,0))])

head(d[,AgeCat:= as.factor(ifelse(age > 30, "Old", "Young"))])

s <- sparse.model.matrix(age~.-1, data = d)

ov = d[,diseased] == 'Yes'

mdl <- xgboost(data = s, label = ov, max_depth = 4, eta = 1, nthread = 2, nrounds = 10,objective = "binary:logistic")


importance <- xgb.importance(feature_names = colnames(s), model = mdl) #<-- error message 

require（xgboost）
要求（矩阵）
要求（数据表）
如果（！require（'vcd'））安装.packages（'vcd'））
a=data.frame（id=c（1,2,3,4,5），smoke=c（'Yes'，'No'，'Yes'，'Yes'，'Yes'，'Yes'，'Yes'，'Yes'，'Yes'，'Yes'），sex=c（'M'，'F'，'F'，'M'，'F'），diseased=c（'Yes'，'No'，'Yes'，'Yes'，'Yes年龄=c（20,21,45,40））
d 30，“老的”、“年轻的”））]
这里似乎有两个问题

数据大小不够大
我的数据没有太大变化-例如，烟雾部分我有“是”和“否”。我更新了“是”、“否”和“随意”
然后我成功地运行了以下代码

a = data.frame(id=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17, 18, 19,20), smoked=c('Yes','No','Casual', 'Casual', 'Casual','Yes', 'Yes', 'Yes','Yes', 'Yes', 'Yes','Yes', 'Yes', 'Yes','Yes','Yes','Yes', 'Yes', 'Casual','Casual'), highIntakeSugar=c('Yes','No','Yes', 'Yes','Yes', 'Yes', 'Yes','Yes','Yes', 'Yes','Yes','Yes', 'Yes','Yes','Yes', 'Yes','Yes', 'Yes', 'Yes','Yes'), sex=c('M','F','F', 'M','F','F', 'M','F','F', 'M','F','F', 'M','F','F','F','F', 'M','F','F'), disease=c('Yes','No','Unknown','Unknown','Yes','Unknown', 'Unknown','Yes','Yes', 'Yes','Yes','Yes', 'Yes', 'Yes','Yes', 'Yes','Yes', 'Yes', 'Yes','Yes'), age=c(20,21,45, 45, 40,45, 35, 40,45, 45, 40,45, 45,40,45,40,45,45,40,45))

d <- data.table(a, keep.rownames = F)

d[,id:=NULL]
s <- sparse.model.matrix(age~.-1, data = d)

ov = d[,disease] == 'Yes'
mdl <- xgboost(data = s, label = ov, max_depth = 4, eta = 1, nthread = 2, nrounds = 10,objective = "binary:logistic")
xgb.importance(feature_names = colnames(s), model = mdl)

a=data.frame（id=c（1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20），熏制=c（'Yes'、'No'、'Casual'、'Casual'、'Casual'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'、'Yes'）、Yes'、Yes'、Yes'、'highIntakeSugar=c（‘是’、‘不是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、性别=c（‘M’、‘F’、‘F’、‘F’、‘F’、‘F’、‘F’、‘F’）、疾病=c（‘是’、‘否’、‘未知’、‘是’、‘未知’、‘未知’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘是’、‘未知’、‘是’、‘未知’、‘是’、‘未知’、‘未知’、‘是’、‘是’、‘是’），年龄=c（20,21,45,45,45,45,45,45,45,45）
d您应该添加参数“tree\u method”，如：

mdl <- xgboost(data = s, tree_method = 'gpu_hist', label = ov, max_depth = 4, eta = 1, nthread = 2, nrounds = 10,objective = "binary:logistic")

mdl当模型参数是一个在所有预测变量和一个始终在0和1之间交替的目标（即0,1,0,1,0,1,0,1,0）之间具有完美共线性的数据上训练的模型时，我遇到了这个错误

我使用的数据是为包的单元测试部分生成的测试数据。我通过使用rnorm（）为预测器变量和sample（）生成数据解决了这个问题对于目标变量。
@Riley我没有研究内部工作或xgboost或xgb。重要程度足以确定，但我的直觉是：由于预测变量之间的完美共线性，以及目标变量数据的性质，模型无法学习任何东西，导致“空模型”。由于空模型不是“树模型”，因此调用xgb.importance会导致上述错误。对我来说，这是有效的，并且还可以使用
tree\u方法='hist'
和
tree\u方法='approx'
（）