二元判别分析10折模型评价的时候报错

在做二元判别分析出现报错

library(mlr3)

library(tidyverse)
library(mlr3learners)
library(HDclassif)
library(mlr3verse)
see<- read.table("Data1.csv",sep=",",header=T)
live <- see$live
see <- seer[1:16]
see <- mutate_if(see,is_integer,as.numeric)
see <- data.frame(scale(see))
see$live <- live
see$live <- as.factor(see$live)
spamTask <- as_task_classif(see,target = "live")
Qda_learn <- lrn("classif.qda",predict_type = "prob")#构建qda学习器
QdaModel = Qda_learn$train(spamTask)#训练qda模型
QdaModel$model
resampling <- rsmp("cv")#默认为重复一次的10折交叉验证
qda_r = resample(spamTask, Qda_learn, resampling, store_models = TRUE)#执行交叉验证

Error in qda.default(x, grouping, ...) : rank deficiency in group 0

我用自己数据做mlr3二元判别分析10折模型评价的时候报错（没做超参数调优），但是同一个数据集数据在做lda和用Mass包做qda都没有报错，应该是数据集的问题请问如何改数据集呢？

怎么改数据集呢？

几个方法可以尝试下：

1. 降低折数，比如10折改成5折或者更低。
2. 对数据中的特征进行归一化或者标准化

#define Min-Max 归一化函数
min_max_norm <- function (x) {
    (x - min(x)) / (max(x) - min(x))
  }

#standardize Sepal.Width
 iris$Sepal.Width <- (iris$Sepal.Width - mean(iris$Sepal.Width)) / sd(iris$Sepal.Width)

#标准化虹膜数据集的前四列
iris_standardize <- as.data.frame(scale(iris[1:4]))