Question

我从我的数据集中创建了一对模型（800行，2列）：

#1
m1=lm(A~A1, fish)
#2
mmars1=polymars(fish$A, fish)
#3
bestm1=loess.smooth(fish$A1, fish$A, span=best)
#4
bestm2=smooth.spline(fish$A1,fish$A, spar=best)

然后我尝试使用新的x预测y：

#Predict
#1
predict(m1, data.frame(xl=c(100000)))
#2
predict(mmars1, data.frame(xm=c(100000)))
#3
predict(bestm1, data.frame(xb1=c(100000)))
#4
predict(bestm2, data.frame(xb2=c(100000)))

＃4工作正常，但我有其他3的问题。＃1和＃2返回800个值而不是1。＃3给了我这个错误。

UseMethod错误（＆＃34;预测＆＃34;）：没有适用的方法来预测＆＃39; 应用于类＆＃34;列表＆＃34;
的对象

我在＃1和＃2做错了什么？是否有另一种方法可以将predict()方法与loess.smooth一起使用？

Answer 1

使用predict时，您的变量必须与调用lm时的名称相同。在＃1中，您使用变量名为lm的{{1}}，然后使用变量名为A1的{{1}}。 predict功能无法理解您的新数据。想象一下，几个自变量会发生什么......你需要坚持自己的名字。

改为使用xl。

对于＃2，我之前从未使用过包predict，但您对predict(m1, list(A1=100000))的调用似乎是错误的。第二个参数必须是预测变量，到目前为止，您将响应包含为预测变量，因为您提供了完整的data.frame。所以你应该这样做：

polspline

＃3相同。似乎polymars已经为您提供了拟合点。您可以使用mmars1 <- polymars(fish$A, fish$A1) predict(mmars1, fish$A1)参数来告知您想要适合预测器的点数：

loess.smooth

将在evaluation中为您提供50个点的列表，其中包含bestm1 <- loess.smooth(fish$A1, fish$A, evaluation=50)中的拟合点。或者，您可以使用A1代替A：

loess

我不明白R的预测

1 个答案: