“对象中的缺少值”＆quot＆quot；使用Caret ::火车功能

Question

当我试图在{caret}软件包中使用火车功能以进行回归模型的100倍CV时，我遇到了这个错误。我执行的代码如下：

#read the dataset and convert columns to factors
data<-read.csv("synchronic_dataset_full.csv")
data<-as.data.frame(unclass(data), stringsAsFactors = TRUE)

#cross-validation using train() in {caret}
set.seed(527)
inTraining <- createDataPartition(data$realization, p = .75, list = FALSE)
training <- data [ inTraining,]
testing  <- data [-inTraining,]

fitControl <- trainControl(method = "cv",
                           number = 100)

regression_fit <- train(realization ~ (1|verb/VerbSense) + 
                                      (1|Corpus) + 
                                      Variety + 
                                      Register +
                                      FollowVerb +      
                                      z.WeightRatio + 
                                      ThemeConcreteness +
                                      PrimeTypeCoarse +
                                      RecPron +
                                      z.RecThematicity +
                                      ThemeDef +
                                      z.RecHeadFrequency +
                                      RecHumaness +
                                      RecComplexity +
                                      ThemeComplexity +
                                      z.TTR +
                                      Variety*
                                      (RecComplexity +
                                      RecPron) +
                                      Register *
                                      ThemeConcreteness, 
                                      data = training, 
                                      method = "glm",
                                      metric = "Accuracy",
                                      trControl = fitControl)
regression_fit

错误说：

na.fail.default中的错误（list（earlization = c（1L，1L，1L，2L，1L，1L，1L，1L，1L，：object

中的丢失值）

我检查了数据集，我敢肯定它不包含缺失/NA值。我也尝试了通过添加na.Action = Na.exclude trcontrol = fitControl的额外行来解决问题，并且可以在<<<。 a href =“ https://osf.io/4pmh3/” rel =“ nofollow noreferrer”> this OSF页面（注意：请在使用后请稍微删除它，因为它包含敏感的未发表＆amp; un-peer- unpeer-mp; unpeer--审查信息）。

Answer 1

只需在模型公式中删除（1 | ...）周围的括号。
另一种可能性是|不适用于因素，我猜这是这种情况。

Answer 2

我设法解决了问题并使用以下代码获得了相关结果：

set.seed(527)
for (i in 1:100){
  Train <- createDataPartition(data$realization, p=0.75, list=FALSE)
  training <- data[Train, ]
  testing <- data[-Train, ]
  mod_fit <- glmer (realization ~ (1|verb/VerbSense) + 
                                  (1|Corpus) + 
                                  Variety + 
                                  Register +
                                  FollowVerb +      
                                  z.WeightRatio + 
                                  ThemeConcreteness +
                                  PrimeTypeCoarse +
                                  RecPron +
                                  z.RecThematicity +
                                  ThemeDef +
                                  z.RecHeadFrequency +
                                  RecHumaness +
                                  RecComplexity +
                                  ThemeComplexity +
                                  z.TTR +
                                  Variety*
                                  (RecComplexity +
                                  RecPron) +
                                  Register *
                                  ThemeConcreteness, data=training, family="binomial")
  pred = predict(mod_fit, newdata=testing,allow.new.levels = TRUE)
  predictions.cat=ifelse(pred>0.5,"ThemeFirst", "RecipientFirst")
  predictions.cat=as.factor(predictions.cat)
  result=confusionMatrix(data=predictions.cat, testing$realization)
  print(result$overall[1])
}

由于解决了问题，并且考虑到数据集仍在构造中，因此已删除了OSF页面中的材料。