必须使用有效的下标向量对元素进行子集

问题描述

我有一段代码给我带来了一些麻烦，几乎花了我一整天

library(dismo)
angaus.tc5.lr01 <- gbm.step(data=X33,gbm.x = 2:3,gbm.y = 4,family = "bernoulli",tree.complexity = 5,learning.rate = 0.01,bag.fraction = 0.5)

这会返回一个错误：

错误：必须使用有效的下标向量对列进行子集化。 i 逻辑下标必须与索引输入的大小匹配。 x 输入的大小为 1，但下标 model.mask 的大小为 83。 运行 rlang::last_error() 以查看发生错误的位置。 警告信息： 在 mean.default(y.data) ：参数不是数字或逻辑：返回 NA

流程是： GBM STEP - 2.9 版

执行增强回归树模型的交叉验证优化 对于 ...4 并使用伯努利家族 使用 83 个观测值和 2 个预测变量 创建 50 棵树的 10 个初始模型

折叠按流行程度分层 总平均偏差 = 1.0233 容差固定为 0.001 ntrees 居住地。开发。

我比较软的是基于 R 4.0.4 的 RStudio

我在一篇文章中学习了计算边际效应的算法，但是一直报错。有谁知道为什么？我很感激！ 文章：https://rspatial.org/raster/sdm/9_sdm_brt.html

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）