R 代码：model.matrix.default(mt, mf, contrasts) 中的错误：变量 1 没有级别

Question

我正在尝试建立一个逻辑回归模型，并将响应作为诊断（2 个因子变量：B、M）。我在构建逻辑回归模型时遇到错误：

Error in model.matrix.default(mt, mf, contrasts) : 
  variable 1 has no levels

我不知道如何解决这个问题。

R代码：

Cancer <- read.csv("Breast_Cancer.csv")


## Logistic Regression Model

lm.fit <- glm(diagnosis~.-id-X, data = Cancer, family = binomial)
summary(lm.fit)

数据集参考：https://www.kaggle.com/uciml/breast-cancer-wisconsin-data

Answer 1

您的问题类似于 here 在 randomForest 分类器上报告的问题。
显然 glm 检查数据中的变量并抛出错误，因为 X 仅包含 NA 个值。

您可以通过

修复该错误

通过从数据集中完全删除 X，在将其交给 glm 之前设置 Cancer$X <- NULL 并在公式中留下 X (glm(diagnosis~.-id, data = Cancer, family = binomial));
或者通过将 na.action = na.pass 添加到 glm 调用（这将指示忽略 NA 警告，本质上）但仍然在公式本身中排除 X (glm(diagnosis~.-id-X, data = Cancer, family = binomial, na.action = na.pass))

但是，请注意，您仍然必须确保以 glm 易于理解的形式提供 diagnosis 变量。含义：值为 0 和 1 的数值向量、逻辑向量或因子向量

"For binomial and quasibinomial families the response can also be specified as a factor (when the first level denotes failure and all others success)" - from the glm-doc

只需定义Cancer$diagnosis <- as.factor(Cancer$diagnosis).

就我而言，这仍然会留下一些警告，但我认为这些警告来自数据或您的功能选择。它清除阻塞错误:)

R 代码：model.matrix.default(mt, mf, contrasts) 中的错误：变量 1 没有级别

R code: Error in model.matrix.default(mt, mf, contrasts) : Variable 1 has no levels

r

classification

glm

logistic-regression