R 如何使用线性回归训练预测因子并报告遗漏交叉验证的MAPE？

我有一个名为auto的数据集，有1436行。我应该使用线性回归来训练模型，并报告遗漏交叉验证的MAPE。我编写了下面的代码并运行了它，但结果是NaN。谁能帮我弄清楚我该怎么办？非常感谢

library(MLmetrics)
# train a predictor using linear regression and report the MAPE of leave-one-out cross-validation
set.seed(1234)
nFold=nrow(auto)
valNum <- floor(runif(nrow(auto))*nFold)

getAutoMAPE <- function(modelCall){
  for (k in nFold){
    trainingData <- subset(auto,valNum!=k)
    validationData <- subset(auto,valNum==k)
    model <- update(modelCall,data=trainingData)
    modelPerformance <- MAPE(predict(model,validationData),validationData$Price)
  }
  modelPerformance
}

getAutoMAPE(lm(Price~.,data = auto))

库（MLmetrics）
#使用线性回归培训预测者，并报告遗漏交叉验证的MAPE
种子集（1234）
nFold=nrow（自动）
瓦努姆