报错原因预测变量没有设置解决方法补全预测变量相关参数

【报错原因】 最大输入的观测时间要比实际最大的时间小1才能计算 【解决方法】 更改输入的观测时间

报错原因： （1）数据表中存在全部样本都为空值的变量 （2）如果以上的情况没有，则所选的变量中，某些样本全部都为空值，导致该样本被丢弃 解决方法： （1）先使用选择变量节点剔除样本全部都...

【报错原因】 数据问题，有重复值 【解决方法】 更换数据或变量

【报错原因】 数据不符合要求 【解决方法】 更换数据

【报错原因】 模型不拟合 【解决方法】 换变量，数据，模型数量

【报错原因】 权重变量必须大于0 【解决方法】 更换变量

【报错原因】 检验方法为20时，样本量必须在3-30之间 【解决方法】 控制样本量为3-30

报错原因：目标的分箱变量不是连续型，只有连续型变量才能（才需要）分箱

【报错原因】 自变量，因变量，所有变量都转换成 continue，不能category 【解决方法】 更换变量或进行变量转换

【报错原因】 数据问题 【解决方法】 更换数据或变量

【报错原因】 数据端口需要连接非PSM节点的输出数据端口 【解决方法】 更改连线

报错原因：编写变量字符串识别的命令时，忽略了变量存在NA的情况，通常发生于str.contains()等方法解决方法：增加一个参数 ”na=False“ 帮助函数识别NA，x1.str.contains('ABC',na=False)

报错原因：（1）勾选了“是否转换变量代码为变量描述信息”的参数，导致表格的SEQN变量名被改变，因此无法进行数据连接（2）所读取的表格本身不存在SEQN这一列，因此无法进行数据连接解决方法：...

【报错原因】 id只有一个 【解决方法】 需要重复的id

【报错原因】 P值可能为NA，没有P值 【解决方法】 更换变量

错误原因： 机器学习生存模型没有ACC的评估方法，只有分类模型才有 解决方法： 修改模型类型，以及评估方法  

【报错原因】 干预变量不符合规定 【解决方法】 建议检查干预变量或重新选择

【报错原因】 中介模型和全模型的'权重'变量必须保持一致（存在/不存在） 【解决方法】 增加权重值或者删掉权重值

【报错原因】尽管 LightGBM 模型支持直接处理分类变量，但是在后续节点中 TREESHAP 计算 LightGBM 模型的 SHAP 值时分类变量是存在一些问题的。【解决方法】对分类变量进行独热编码，然后再次运...

【报错原因】 变量存在空值 【解决方法】 插补空值

【报错原因】 条件变量和ID变量没有配对，不是重复测量数据 【解决方法】 建议更换变量，使得每个重复数量相等

【报错原因】 上游节点为调查设计回归分析时，如果遇到该错误，需要重启软件 【解决方法】 设置好参数后重启软件，直接运行似然比检验节点

【报错原因】 自变量可能存在单分类 【解决方法】 剔除单分类变量

报错原因：通常为选中的变量名存在非法字符，参考https://bbs.statsape.com/q-and-a/506.html解决方法：参考https://bbs.statsape.com/q-and-a/506.html 

【报错原因】 生存状态和ARM变量选择有误 【解决方法】 检查并重新选择生存状态和ARM变量

报错原因：多因素的正态性检验中，自变量数量不够，自变量数量应该大于等于2，不能为一个解决方法：增加自变量数量

ROC操作特征曲线显示以上错误原因：算法在搜素ROC操作特征曲线的最佳阈值的时候。发现有多个最佳阈值，因此建议我们修改最佳阈值的规则解决方法：直接才参数界面修改最佳阈值的选择方法 

报错原因：分类型变量不能用于做RCS预测变量解决方法：选择连续型变量做RCS预测变量

【报错原因】 数据无法拟合 【解决方法】 检查因变量分布或者替换变量