[问题类型]:
程式咨询(我想用R 做某件事情，但是我不知道要怎么用R 写出来)
[问题叙述]:
各位好~!
我的资料型态是变量 >> 要预测的目标 (也就是变量的维度很高)
假设是 10x10000的资料 也就是由10000个变量作回归 分析出10个对应结果
将资料丢进lm()做回归分析时 发现会跑出一堆NA
但是如果我将变量做撷取 从原先的10000取前9行 (让行数小于列数: 9 < 10)
在丢进lm() 这样就可以正常运作 生出10个对应结果
但是这样只是取原先资料的一小部份来做回归
想请问lm()函式 或是R语言 要怎样做才能对这种变量维度很高的资料回归分析呢?
先感谢回答~~

请提供例子以重现错误。

一般线性模型在变量超过资料笔数时，会略过超过的部份lm应该就是把变量的个数降到跟资料一样，然后给你答案你可能要先去找feature selection相关的方法或是用如glmnet之类的套件跑Lasso来把多余的变量压到0

在数学上，这是不可能的。先降维度，或是RDA等类似方法。

那我目前的资料已经先做过PCA了 原本有到上千万行

否则未知数比等式多，无限多解

是否适合在做一次PCA? 或是接着再做RDA? 因为把资料缩太小也会担心不够准...

就我所知，现在很多研究是用Lasso(L1-regularization)来处理变量超过资料数的状况（常见于基因相关研究）Lasso就是L1-regularized的lm，所以你可以先去找资料看

感谢楼上给关键字~

降维后上千变量但只有十个重复，无论结果如何，仍需面对无单一解的问题。请小心解释结果。