R中插入符号训练函数的中心因子和尺度因子预测

您的呼叫被调度到train.formula，在那里您的数据被转换为带有表达式model.matrix(Terms, m, contrasts)的矩阵.

由于您的数据现在是矩阵形式，并且矩阵是原子的，因此值被强制为相同类型.在这个例子中，double.这也有一个奇怪的副作用，即将var1重命名为var11，如果您判断mod$preProcess输出(例如mod$preProcess$mean)，您可以看到这一点.我不知道为什么会这样，但我不认为这与你的问题有关.

在矩阵转换之前，类信息被捕获，最终通过ptype元素输出到结果中，但除了获取输出之外什么都不做:

sapply(mod$ptype, class)
     var1      var2 
 "factor" "numeric" 

然而，模型矩阵是传递给train.default的，然后继续运行preProcess().当它到达该步骤时，因子信息已经被剥离，并且该变量属于类别double.正如你所注意到的，preProcess()执行一系列判断，并且只对数值数据进行判断(数值的意思是它属于"integer"、"numeric"或"double"类).因此，当preProcess()通过train()被调用时，你的值已经是double，这就是为什么它们被zoom 和居中的原因.

但是，当你直接调用preProcess()时，不会进行同样的矩阵转换，因此因子类在zoom 和居中之前会被捕获并移除.

它从?train的preProcess个参数文档中指定:

预处理代码只设计为当x是简单的矩阵或数据帧时工作.

这就是他们要说的——调用这个参数只是为了"简单"，意思是所有的值都属于同一个类.如果他们不是同一个阶级，他们最终会被强迫.

长话短说，我认为你应该要么将经过预处理的数据传递给train()，要么创建一个食谱并将其传递给train()，如下所示:

library(recipe)
recipe(score ~ ., data = df) |>
  step_center(all_numeric_predictors()) |>
  step_scale(all_numeric_predictors()) |>
  train(method = "lm", data = df)

如果你走recipe路由，你应该仔细阅读文档，看看all_numeric_predictors()中是否包括了这些因素，我根本不确定.