我一直在尝试使用包中的rfe功能caret进行逻辑回归和特征选择。我使用了lmFuncs以下功能rfeContol：

ctrl <- rfeControl(functions = lmFuncs, method = 'cv', rerank=TRUE, saveDetails=TRUE, verbose = TRUE, returnResamp = "all", number=100)

下面是rfe调用的结构：

fit.rfe=rfe(df.preds,df.depend, metric='RMSE',sizes=c(5,10,15,20), rfeControl=ctrl)

df.preds是模型输入的数据框。df.depend是一个 1 或 0 的向量，对应于 in 中的每一行，df.preds以表示响应。

当我将以下代码与函数一起使用时，从fit对象中的对象访问的结果模型rfe属于类lm，并产生小于零和大于 1 的预测值：predict

predict(fit.rfe$fit,df,type='response')

鉴于我期望这是一个逻辑，所有预测值都应大于零且小于一。

任何帮助将不胜感激。