一致的；错误：为步骤选择的所有列都应为数字“0”；在R tidymodels中尝试套索模型

尝试运行我的第一个套索模型，遇到了一些问题。我有一个医学数据集，我试图从大约60个预测因子中预测二分结果（疾病）。尽管在配方阶段已经将所有列都转换为虚拟变量，但在出现错误“为步骤选择的所有列都应该是数字”之前，我已经对网格进行了优化。我减少了预测器的数量，看看这是否改变了什么，但似乎并没有解决它。这种结果是罕见的，大约3%的病例都能看到，所以我不知道这会影响到什么。 代码如下

分为测试和培训数据，并按疾病分层

set.seed(123)
df_split <- initial_split(df, strata = disease)
df_train <- training(df_split)
df_test <- testing(df_split)

set.seed（123）
df_分割%
添加配方（df配方）

要调整的惩罚值网格

df_reg_grid <- tibble(penalty = 10^seq(-4, -1, length.out = 30))

---

df_reg_grid您收到的错误来自
step\u medianimpute（）
step\u medianimpute（）
要求所有变量都是数字，但它是通过
all\u predictors（）传递因子变量的

解决这个问题的一种方法是在插补之前重新安排配方，创建虚拟变量

库（配方）
库（模型数据）
数据（ames）
df_配方%
步骤\u medianimpute（所有\u预测器（））%>%
步骤虚拟（所有标称值（），-所有结果（））%>%
步骤zv（所有预测器（））%>%
步骤\u规格化（所有\u预测器（））
准备（df_配方）
#>错误：为步骤选择的所有列都应为数字
df_配方%
步骤虚拟（所有标称值（），-所有结果（））%>%
步骤\u medianimpute（所有\u预测器（））%>%
步骤zv（所有预测器（））%>%
步骤\u规格化（所有\u预测器（））
准备（df_配方）
#>数据配方
#> 
#>投入：
#> 
#>角色变量
#>结果1
#>预测器73
#> 
#>培训数据包含2930个数据点，无缺失数据。
#> 
#>操作：
#> 
#>来自MS_子类、MS_分区、街道、胡同等的虚拟变量。。。[经过培训]
#>地块临街、地块面积的中值插补。。。[经过培训]
#>零差异过滤器删除2项[已培训]
#>地块临街、地块面积的居中和缩放。。。[经过培训]

由（v1.0.0）创建于2021-04-27。您收到的错误来自
步骤\u medianimpute（）
step\u medianimpute（）
要求所有变量都是数字，但它是通过
all\u predictors（）传递因子变量的

解决这个问题的一种方法是在插补之前重新安排配方，创建虚拟变量

库（配方）
库（模型数据）
数据（ames）
df_配方%
步骤\u medianimpute（所有\u预测器（））%>%
步骤虚拟（所有标称值（），-所有结果（））%>%
步骤zv（所有预测器（））%>%
步骤\u规格化（所有\u预测器（））
准备（df_配方）
#>错误：为步骤选择的所有列都应为数字
df_配方%
步骤虚拟（所有标称值（），-所有结果（））%>%
步骤\u medianimpute（所有\u预测器（））%>%
步骤zv（所有预测器（））%>%
步骤\u规格化（所有\u预测器（））
准备（df_配方）
#>数据配方
#> 
#>投入：
#> 
#>角色变量
#>结果1
#>预测器73
#> 
#>培训数据包含2930个数据点，无缺失数据。
#> 
#>操作：
#> 
#>来自MS_子类、MS_分区、街道、胡同等的虚拟变量。。。[经过培训]
#>地块临街、地块面积的中值插补。。。[经过培训]
#>零差异过滤器删除2项[已培训]
#>地块临街、地块面积的居中和缩放。。。[经过培训]

由（v1.0.0）于2021-04-27创建
非常感谢您的帮助！非常感谢你的努力！
df_model <- 
  logistic_reg(penalty = tune(), mixture = 1) %>% 
  set_engine("glmnet")

df_recipe <- 
  recipe(dfPyVAN ~ ., data = df_train) %>% 
  step_medianimpute(all_predictors()) %>% 
  step_dummy(all_nominal(), -all_outcomes()) %>% 
  step_zv(all_predictors()) %>% 
  step_normalize(all_predictors())

df_workflow <- 
  workflow() %>% 
  add_model(df_model) %>% 
  add_recipe(df_recipe)

df_reg_grid <- tibble(penalty = 10^seq(-4, -1, length.out = 30))

df_res <- 
  df_workflow %>% 
  tune_grid(validation_set,
            grid = df_reg_grid,
            control = control_grid(save_pred = TRUE),
            metrics = metric_set(roc_auc))