r - 变量在模型中没有级别时出现错误

Question

我检查了有关该主题的多个问题。它们是特定的，或者不适用于这种情况。感觉好像有一些明显的东西被我忽略了。尝试从数据帧中删除前几列，因为错误表示变量“1”。这是我的数据:

 fixed <- structure(list(fail = structure(c(1L, 1L, 1L, 1L, 1L, 1L), .Label = c("0", 
 "1"), class = "factor"), age30 = c(0L, 0L, 0L, 0L, 0L, 1L), age65 = c(0L, 
 0L, 0L, 1L, 0L, 0L), age66 = c(0L, 0L, 0L, 0L, 0L, 0L), dage10 = c(0L, 
 0L, 0L, 0L, 0L, 0L), dage15 = c(0L, 0L, 0L, 0L, 0L, 0L), dage20 = c(0L, 
 0L, 0L, 0L, 0L, 0L), dage30 = c(1L, 0L, 0L, 0L, 0L, 0L), dage55 = c(0L, 
 0L, 0L, 1L, 0L, 0L), dage60 = c(0L, 0L, 0L, 0L, 0L, 0L), dage70 = c(0L, 
 1L, 0L, 0L, 0L, 0L), dage71 = c(0L, 0L, 0L, 0L, 0L, 0L), alb25_recip = c(0L, 
 0L, 0L, 1L, 0L, 1L), alb20_recip = c(0L, 0L, 0L, 0L, 0L, 0L), 
 alb15_recip = c(0L, 0L, 0L, 0L, 0L, 0L), ascites = c(1L, 
 0L, 1L, 1L, 0L, 1L), bmi30 = c(0L, 0L, 0L, 1L, 1L, 0L), bmi35 = c(0L, 
 0L, 0L, 0L, 0L, 0L), bmi40 = c(0L, 0L, 0L, 0L, 0L, 0L), cit6 = c(0L, 
 0L, 1L, 0L, 0L, 0L), cit14 = c(0L, 0L, 0L, 0L, 0L, 0L), cit15 = c(0L, 
 0L, 0L, 0L, 0L, 0L), dcd = c(0L, 0L, 0L, 0L, 0L, 0L), cr15 = c(0L, 
 0L, 0L, 0L, 0L, 0L), cr20 = c(1L, 0L, 1L, 0L, 0L, 0L), hcv_mv = c(1L, 
 0L, 0L, 1L, 0L, 0L), hd = c(0L, 0L, 0L, 0L, 0L, 0L), distance500 = c(0L, 
 0L, 0L, 0L, 0L, 0L), distance1000 = c(0L, 0L, 0L, 0L, 0L, 
 0L), dropout = c(0L, 0L, 0L, 0L, 0L, 0L), highschool = c(0L, 
 0L, 0L, 0L, 0L, 0L), technical = c(0L, 0L, 0L, 0L, 0L, 0L
 ), bachelors = c(0L, 0L, 0L, 0L, 0L, 0L), doctor = c(0L, 
 0L, 0L, 0L, 1L, 0L), enceph = c(0L, 0L, 0L, 0L, 0L, 0L), 
 aa = c(0L, 0L, 0L, 0L, 0L, 0L), aa_don = c(0L, 0L, 0L, 0L, 
 0L, 1L), hcc = c(0L, 0L, 0L, 1L, 0L, 0L), meld30 = c(0L, 
 0L, 0L, 0L, 0L, 1L), meld35 = c(0L, 0L, 0L, 0L, 0L, 0L), 
 meld40 = c(0L, 0L, 0L, 0L, 0L, 0L), na130 = c(0L, 0L, 0L, 
 0L, 0L, 0L), na125 = c(0L, 0L, 0L, 0L, 0L, 1L), na120 = c(0L, 
 0L, 0L, 0L, 0L, 0L), na150 = c(0L, 0L, 0L, 0L, 0L, 0L), na155 = c(0L, 
 0L, 0L, 0L, 0L, 0L), na160 = c(0L, 0L, 0L, 0L, 0L, 0L), na161 = c(0L, 
 0L, 0L, 0L, 0L, 0L), fun10 = c(0L, 0L, 0L, 0L, 0L, 0L), fun20 = c(0L, 
 0L, 0L, 0L, 0L, 0L), fun50 = c(0L, 0L, 0L, 0L, 0L, 0L), fun60 = c(0L, 
 0L, 0L, 0L, 0L, 0L), fun70 = c(0L, 0L, 0L, 0L, 0L, 0L), fun80 = c(0L, 
 0L, 0L, 0L, 0L, 1L), fun90 = c(0L, 0L, 0L, 0L, 0L, 0L), fun100 = c(0L, 
 0L, 0L, 0L, 0L, 0L), hcv_don = c(0L, 0L, 0L, 0L, 0L, 0L), 
 height_diff = c(-2.6400001, -12.8, -12.96, 12.9, -20.719999, 
 -35.880001), height30 = c(0, 0, 0, 0, 0, 0), height60 = c(0L, 
 0L, 0L, 0L, 0L, 0L), height_neg30 = c(0L, 0L, 0L, 0L, 0L, 
 1L), height_neg60 = c(0L, 0L, 0L, 0L, 0L, 0L), inr25 = c(0L, 
 0L, 0L, 0L, 0L, 0L), inr3 = c(0L, 0L, 0L, 0L, 0L, 1L), inr35 = c(0L, 
 0L, 0L, 0L, 0L, 0L), inr4 = c(0L, 0L, 0L, 0L, 0L, 0L), inr41 = c(0L, 
 0L, 0L, 0L, 0L, 0L), lifesup = c(0L, 0L, 0L, 0L, 0L, 0L), 
 icu = c(1L, 1L, 0L, 0L, 0L, 1L), hospital = c(0L, 0L, 0L, 
 0L, 0L, 0L), prev_tx1 = c(0L, 0L, 0L, 0L, 0L, 0L), prev_tx2 = c(0L, 
 0L, 0L, 0L, 0L, 0L), interval = c(NA_integer_, NA_integer_, 
 NA_integer_, NA_integer_, NA_integer_, NA_integer_), interval1 = c(NA_integer_, 
 NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_
 ), interval2 = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, 
 NA_integer_, NA_integer_), lateretx = c(0L, 0L, 0L, 0L, 0L, 
 0L), earlyretx = c(0L, 0L, 0L, 0L, 0L, 0L), lateretx2 = c(0L, 
 0L, 0L, 0L, 0L, 0L), earlyretx2 = c(0L, 0L, 0L, 0L, 0L, 0L
 ), tx3 = c(0L, 0L, 0L, 0L, 0L, 0L), vent = c(0L, 0L, 0L, 
 0L, 0L, 0L), ph72 = c(0L, 0L, 0L, 0L, 0L, 0L), ph71 = c(0L, 
 0L, 0L, 0L, 0L, 0L), ph70 = c(0L, 0L, 0L, 0L, 0L, 0L), portal = c(0L, 
 0L, 0L, 0L, 0L, 0L), private = c(0L, 0L, 1L, 0L, 1L, 0L), 
 medicaid = c(0L, 0L, 0L, 0L, 0L, 1L), prev_surg = c(0L, 0L, 
 0L, 0L, 1L, 0L), region1 = c(0L, 0L, 0L, 0L, 0L, 0L), region2 = c(0L, 
 0L, 0L, 1L, 0L, 0L), region3 = c(0L, 0L, 0L, 0L, 0L, 0L), 
 region4 = c(0L, 0L, 0L, 0L, 1L, 0L), region5 = c(0L, 0L, 
 0L, 0L, 0L, 0L), region6 = c(0L, 0L, 0L, 0L, 0L, 0L), region7 = c(0L, 
 0L, 0L, 0L, 0L, 0L), region8 = c(0L, 0L, 0L, 0L, 0L, 0L), 
 region9 = c(1L, 1L, 1L, 0L, 0L, 1L), region10 = c(0L, 0L, 
 0L, 0L, 0L, 0L), region11 = c(0L, 0L, 0L, 0L, 0L, 0L), ast90 = c(0L, 
 0L, 1L, 0L, 0L, 1L), ast140 = c(1L, 0L, 0L, 0L, 1L, 0L), 
 alt60 = c(0L, 0L, 1L, 0L, 0L, 1L), alt100 = c(1L, 0L, 0L, 
 0L, 1L, 0L), regional = c(0L, 0L, 0L, 0L, 0L, 1L), national = c(0L, 
 0L, 0L, 0L, 0L, 0L), foreign = c(0L, 0L, 0L, 0L, 0L, 0L), 
 tbili2_recip = c(1L, 1L, 0L, 1L, 0L, 0L), tbili16_recip = c(0L, 
 0L, 0L, 0L, 0L, 0L), tbili32_recip = c(0L, 0L, 0L, 0L, 0L, 
 1L), tbili33_recip = c(0L, 0L, 0L, 0L, 0L, 0L), tbil_don1 = c(0L, 
 0L, 0L, 0L, 0L, 0L), tbil_don18 = c(1L, 0L, 0L, 0L, 1L, 0L
 ), tip = c(0L, 0L, 0L, 0L, 0L, 0L), wit70 = c(0L, 0L, 0L, 
 0L, 0L, 0L), wit80 = c(0L, 0L, 0L, 0L, 0L, 0L), wit90 = c(0L, 
 0L, 0L, 0L, 0L, 0L), wit91 = c(0L, 0L, 0L, 0L, 0L, 0L), weight_diff = c(-3, 
 -9, -33, 18, -8, -26), weight45 = c(0, 0, 0, 0, 0, 0), weight70 = c(0L, 
 0L, 0L, 0L, 0L, 0L), weight_neg45 = c(0L, 0L, 0L, 0L, 0L, 
 0L), weight_neg70 = c(0L, 0L, 0L, 0L, 0L, 0L), work = c(0L, 
 0L, 0L, 0L, 0L, 0L)), row.names = c(NA, 6L), class = "data.frame")

这是尝试过的模型

 M99<-glm(data = train,fail~.)
 M1 <- lm(fail~., data = fixed)

我知道 lm 不适合因子输出，但只是想测试一下它的误差。

Answer 1

您看到此错误是因为您的数据包含具有所有 NA 值的列。删除这些列，您应该可以克服此错误。

library(tidyr)
library(dplyr)
fixed %>% 
  gather() %>%
  group_by(key) %>%
  summarise(nas = sum(is.na(value))) %>%
  filter(nas == nrow(fixed))
#> Warning: attributes are not identical across measure variables;
#> they will be dropped
#> # A tibble: 3 x 2
#>   key         nas
#>   <chr>     <int>
#> 1 interval      6
#> 2 interval1     6
#> 3 interval2     6