R中caret包rfe函数看RBF核svm模型时Something is wrong; all the Accuracy metric values are missing

Question

在R中用caret包看RBF核支持向量机变量重要性时，运行以下代码ctrl<-rfeControl(functions = caretFuncs,method = "cv",number = 10)
results<-rfe(x=TrainA[,-1],y=TrainA[,1],sizes=seq(1,ncol(TrainA)-1),rfecontrol=ctrl,method="svmRadial",metric="Accuracy",tuneGrid=expand.grid(sigma=.0001,C=100))
结果报错
Something is wrong; all the Accuracy metric values are missing:，试了很多次都没有办法解决

Answer 1

参考通义千问和郭老师的小迷弟雅思莫了-编写提供，主要是为了帮助您快速解决问题，如下回答，您可以参考下，如有问题，评论区留言。

这个错误提示表明在进行递归特征消除（RFE）时，对于所有特征子集，基于10折交叉验证的Accuracy评估指标都无法计算得出。这可能是因为模型无法收敛或者数据集划分导致在某些子集中没有正负样本，使得Accuracy无法计算。

针对RBF核支持向量机在caret包中的rfe函数，你可以尝试以下解决方案：

1. 调整参数tuneGrid，特别是sigma和C的取值范围。目前你的设置可能导致模型过拟合或欠拟合，可以尝试更广泛的网格搜索，例如：

   tuneGrid = expand.grid(sigma=c(.0001, .001, .01, 1), C=c(1, 10, 100, 1000))
   

2. 检查数据预处理，确保特征已被适当缩放（例如使用preProcess函数进行标准化或归一化），这对于SVM来说非常重要。

3. 确保训练集TrainA中类别标签是因子类型，并且每个类别都有足够的样本，避免由于类别不平衡造成的Accuracy无法计算。

4. 尝试使用不同的交叉验证策略，或者增加交叉验证的重复次数看看问题是否依然存在。

5. 如果问题仍然存在，尝试查看模型的训练日志信息，或者使用其他评估指标如Kappa等替代Accuracy。

6. 最后，确认svmRadial方法在你的数据集上是否能正常工作，可以通过直接调用train函数测试一下，比如：

   testModel <- train(x=TrainA[,-1], y=TrainA[,1], method="svmRadial", trControl=trainControl(method="cv", number=10), tuneGrid=expand.grid(sigma=.0001, C=100))
   

   查看testModel的结果来判断svmRadial方法本身是否有问题。