&引用；删除时出错（y%*%rep（1，nc））“；glmnet R包中cv.glmnet的错误

我有一个函数，用于返回cv.glmnet模型的auc值，在执行cv.glmnet函数时，该函数通常会返回以下错误，尽管不是大多数情况：

放置时出错（y%%代表（1，nc））： 为函数“drop”选择方法时计算参数“x”时出错：y%%rep（1，nc）中出错：参数不一致

我已经读了一些关于错误的内容，我能找到的唯一建议是使用data.matrix（）而不是as.matrix（）。我的函数如下（其中“form”是一个带有所需变量的公式，“dt”是数据框）：

---

信不信由你，我今天真的犯了同样的错误。因为我不知道你的数据集，我不能确定它是什么，但对我来说，我作为y变量（你的depM）传递的数据是一列所有真值。cv.glmnet仅在y变量包含True和False值时返回有效模型

---

我希望我能解释为什么cv.glmnet需要True和False，但我对函数本身缺乏理解（事实上，我只是在修改提供给我的代码）。我只是想我会发布这个，以防它会给你一些帮助。祝你好运

在一个有2个阳性病例和850个阴性病例的数据集上运行

cv.glmnet

时，我遇到了同样的问题。在一个交叉验证迭代中（训练集和测试集随机抽样），两个阳性案例都从训练集中抽样。因此，

glmnet

调用

lognet

，它依次调用

drop（y%*%rep（1，nc））

，但

y

是一个向量，而不是至少有两列的矩阵

我能想到的最简单的方法是将

foldid

参数指定为

cv.glmnet

，并确保在每次迭代中数据中至少存在两个类

auc_cvnet <- function(form, dt, standard = F){
      vars = all.vars(form)
      depM = dt[[vars[1]]]
      indM = data.matrix(dt[vars[-1]])
      model = cv.glmnet(indM, depM, family = "binomial", nfolds=3, type.measure="auc", standardize = standard)

      pred = predict(model, indM, type = "response")
      tmp = prediction(pred, depM)
      auc.tmp = performance(tmp, "auc")
      return(as.numeric(auc.tmp@y.values))
    }