Question

我在不使用lm参数的情况下构建了data=模型：

m1 <- lm( mdldvlp.trim$y ~  gc.pc$scores[,1] + gc.pc$scores[,2] + gc.pc$scores[,3] + 
                            gc.pc$scores[,4] + gc.pc$scores[,5] + gc.pc$scores[,6] + predict(gc.tA))

现在，我想使用m1预测newdata，因此请将我的新data.frame命名为与上面lm()调用中使用的变量相匹配。

将newComps作为我的新gc.pc（与gc.tA预测一样，使用新的data.frame进行预测，没有任何问题），我试过了

newD <- data.frame( newComps[1:100,1:6] ,
                    predict(gc.tA , newdata = mdldvlp[1:100,predKept]))


names(newD) <- names(m1$coefficients)[-1]
names(newD) <- names(m1$model)[-1]

names(newD) <- c( "gc.pc$scores[, 1]" , "gc.pc$scores[, 2]" , "gc.pc$scores[, 3]" , 
                  "gc.pc$scores[, 4]" , "gc.pc$scores[, 5]" , "gc.pc$scores[, 6]" , 
                  "predict(gc.tA)" )
names(newD) <- c( "gc.pc$scores[,1]" , "gc.pc$scores[,2]" , "gc.pc$scores[,3]" , 
                  "gc.pc$scores[,4]" , "gc.pc$scores[,5]" , "gc.pc$scores[,6]" , 
                  "predict(gc.tA)" )

不幸的是，predict.lm不接受上面的命名策略，并返回可怕的newdata警告以及构建m1的原始data.frame中的预测：

Warning message:
'newdata' had 100 rows but variable(s) found have 1414 rows

如何命名newD列以使predict调用工作？感谢。

以下代码重新创建了问题：

    require(rpart)

    set.seed(123)
    X <- matrix(runif(200) , 20 , 10)
    gc.pc <- princomp(X)
    y <- runif(20)
    mdldvlp.trim <- data.frame(y,X)
    names(mdldvlp.trim) <- c("y",paste("x",1:10,sep=""))
    predKept <- paste("x",1:10,sep="")

    gc.tA <- rpart( y ~ . , data = mdldvlp.trim)

    m1 <- lm( mdldvlp.trim$y ~  gc.pc$scores[,1] + gc.pc$scores[,2] + gc.pc$scores[,3] + 
                                gc.pc$scores[,4] + gc.pc$scores[,5] + gc.pc$scores[,6] + predict(gc.tA))

    mdldvlp <- data.frame(matrix(runif(2000) , 200 , 10))
    names(mdldvlp) <- predKept

    newComps <- predict( gc.pc , newdata=mdldvlp )

    newD <- data.frame( newComps[1:100,1:6] ,
                        predict(gc.tA , newdata = mdldvlp[1:100,predKept]))

# enter newD naming strategy here

    predict( m1 , newdata=newD )

4/20跟进：

感谢大家的回答。我理解通过首先使用正确命名的预测变量创建data.frame会更容易。我明白那个。我的问题是，如果建模数据框确实评估为具有名为gc.pc$scores[,1]等变量的数据框，那么为什么上面使用的命名“策略”不能与predict.lm一起使用？换句话说，lm是否真的用gc.pc$scores[,1]评估其建模数据框架等等？如果确实如此，那么上面的重命名策略不会在predict.lm？

中起作用

Answer 1

您正在滥用公式表示法，这就是导致您出现问题的原因。基本上你的公式：

m1 <- lm( mdldvlp.trim$y ~  gc.pc$scores[,1] + gc.pc$scores[,2] + 
                            gc.pc$scores[,3] + gc.pc$scores[,4] + 
                            gc.pc$scores[,5] + gc.pc$scores[,6] + 
                            predict(gc.tA))

将使用名为gc.pc$scores[,1]等变量评估数据框。当您使用predict()时，它将在传递给newdata参数的对象中查找具有相同名称的变量。< / p>

理想情况下，您可以使用适当的名称创建一个包含所有要包含的变量的数据对象，例如：

fitData <- data.frame(mdldvlp.trim$y, gc.pc$scores[, 1:6], predict(gc.tA))
names(fitData) <- c("trimY", paste("scores", 1:6, sep = ""), "preds")

然后通过以下方式拟合模型：

m1 <- lm(trimY ~ ., data = fitData)

通过提供与用于拟合模型的名称相同的数据框，可以从模型中进行新的预测。因此，请使用newD：

newD <- data.frame(newComps[1:100,1:6] ,
                   predict(gc.tA , newdata = mdldvlp[1:100,predKept]))
names(newD) <- c(paste("scores", 1:6, sep = ""), "preds")

然后predict()

predict(m1 , newdata=newD)

完整示例

require(rpart)

set.seed(123)
X <- matrix(runif(200) , 20 , 10)
gc.pc <- princomp(X)
y <- runif(20)
mdldvlp.trim <- data.frame(y,X)
names(mdldvlp.trim) <- c("y",paste("x",1:10,sep=""))
predKept <- paste("x",1:10,sep="")

gc.tA <- rpart( y ~ . , data = mdldvlp.trim)
fitData <- data.frame(mdldvlp.trim$y, gc.pc$scores[, 1:6], predict(gc.tA))
names(fitData) <- c("trimY", paste("scores", 1:6, sep = ""), "preds")
m1 <- lm(trimY ~ ., data = fitData)
mdldvlp <- data.frame(matrix(runif(2000) , 200 , 10))
names(mdldvlp) <- predKept

newComps <- predict( gc.pc , newdata=mdldvlp )
newD <- data.frame(newComps[1:100,1:6] ,
                   predict(gc.tA , newdata = mdldvlp[1:100,predKept]))
names(newD) <- c(paste("scores", 1:6, sep = ""), "preds")
predict(m1 , newdata=newD)

Answer 2

我过去曾遇到过类似的问题 - 我认为我通过提供变量名而不是引用列号来解决它。例如不要使用gc.pc [，1]，而是将gc.pc矩阵转换为数据帧并将名称添加到列（“PC1”，“PC2”，...等）。然后确保您的newdata也使用这些名称（也在数据框中）。

Answer 3

我有类似的问题。如果我的数据框有三个或更多变量（一个结果和两个或多个预测变量），我按列号引用列时没有问题。但是，当我的数据框只有两个变量（一个结果，一个预测变量）时，R给了我很多错误，包括'newdata' had 1 row but variables found have xx rows

在框中的Marc建议之后，我写了一个特例，其中数据框只有两个变量，并分配了变量名。这解决了我的问题。

为了解决这个警告，我改写了：

lr <- lm(train[ , ncol(train)] ~ ., data = train[ , -ncol(train)])

为：

if(ncol(train) == 2) {
    colnames(train) <- c('var1','var2')
    colnames(test) <- c('var1','var2')
    lr <- lm(var2 ~ var1, data = train)
} else if (ncol(train) > 2) {
    lr <- lm(train[ , ncol(train)] ~ ., data = train[ , -ncol(train)])
}

用newdata预测.lm

4/20跟进：

3 个答案:

完整示例