预付款：scale * 可以 * 在整个data.frame上工作，如果所有列都是数字的，例如，scale(mtcars)，逐列或对整个对象运行scale应该返回相同的结果（比较sapply(mtcars, scale)和scale(mtcars)）。我认为SALAR最大的收获是的建议是，当您的一个或多个列不匹配时，您将看到来自scale的错误;比较，scale(iris)，其中一列是factor并且不应当被缩放。

我认为最大的收获是你应该只缩放你知道是数值的列。我提供了两种机制（base和dplyr）来实现这一点。确保当你确定要缩放的列时，你不包括任何整数列，在那里缩放可能会破坏它们（例如，mtcars$cyl可能是一个问题）
我猜：

isnum <- sapply(data, isnum)
trainX_s <- trainX # a copy
trainX_s[isnum] <- data.frame(lapply(trainX[isnum], scale))

scale函数自称为处理 “Matrix-like Objects”，而帧不是这样，上面的lapply函数迭代每一列并独立缩放它们。
如果您已经在使用dplyr，那么您可以执行类似下面这样的一步操作：

library(dplyr)
trainX_s <- mutate(trainX, across(where(is.numeric), ~ scale(.)))

根据数据的不同，如果整数是离散/有序（或离散/分类）的，您可能需要防止缩放整数，不幸的是is.numeric(1L)为真，在这种情况下，您可能需要

isnum <- sapply(trainX, function(z) is.numeric(z) & !is.integer(z))

我猜您的数据中混合了字符串和数字列。要确保您的数据具有正确的类型（numeric，character，..），或者一些数字数据已更改为另一种类型，并将其恢复为原始类型，请使用type.convert()并将scale应用于您的数据：

library(tidyverse)

trainX_s <- type.convert(trainX, as.is=T)
trainX_s <- mutate_if(trainX_s, is.numeric, scale)