Question

我正在进行线性回归，其中预测变量被另一个值分类，并且无法为newdata生成建模响应。

首先，我为预测变量和误差项生成一些随机值。然后我构建了响应。请注意，预测变量的系数取决于分类变量的值。我根据预测变量及其类别编写了一个设计矩阵。

set.seed(1)

category = c(rep("red", 5), rep("blue",5))
x1 = rnorm(10, mean = 1, sd = 1)
err = rnorm(10, mean = 0, sd = 1)

y = ifelse(category == "red", x1 * 2, x1 * 3)
y = y + err

df = data.frame(x1 = x1, category = category)

dm = as.data.frame(model.matrix(~ category + 0, data = df))
dm = dm * df$x1

fit = lm(y ~ as.matrix(dm) + 0, data = df)

# This line will not produce a warning
predictOne = predict.lm(fit, newdata = dm)

# This line WILL produce a warning
predictTwo = predict.lm(fit, newdata = dm[1:5,])

警告是：

'newdata'有5行，但找到的变量有10行

除非我非常错误，否则我不应该对变量名称有任何问题。（在这个板上有一两个讨论提出了这个问题。）请注意，第一个预测运行正常，但第二个预测没有。唯一的变化是第二次预测仅使用设计矩阵的前五行。

思想？

Answer 1

我不是百分之百地确定你要做的是什么，但我认为对公式如何运作的简短介绍将为你解决问题。

基本思想很简单：你传递两个东西，一个公式和一个数据框。公式中的术语 all 应该是数据框中变量的名称。

现在，您可以让lm无法完全遵循该指南，但您只是要求出错。因此，请停下来查看您的模型规格，并考虑R在哪里寻找东西。

当您致电lm时，基本上没有公式中的任何名称在数据框df中找到。所以我怀疑df根本就没用过。

然后，如果你打电话给model.frame(fit)，你会看到R认为应该调用你的变量。注意什么奇怪的？

model.frame(fit)
            y as.matrix(dm).categoryblue as.matrix(dm).categoryred
1   2.2588735                  0.0000000                 0.3735462
2   2.7571299                  0.0000000                 1.1836433
3  -0.2924978                  0.0000000                 0.1643714
4   2.9758617                  0.0000000                 2.5952808
5   3.7839465                  0.0000000                 1.3295078
6   0.4936612                  0.1795316                 0.0000000
7   4.4460969                  1.4874291                 0.0000000
8   6.1588103                  1.7383247                 0.0000000
9   5.5485653                  1.5757814                 0.0000000
10  2.6777362                  0.6946116                 0.0000000

as.matrix(dm).categoryblue中有dm名吗？是的，我不这么认为。

我怀疑（但不确定）你打算做更多这样的事情：

df$y <- y
fit <- lm(y~category - 1,data = df)

Answer 2

乔兰走在正确的轨道上。该问题与列名有关。我想要做的是创建我自己的设计矩阵，事实上，我不需要这样做。如果使用以下代码行运行模型，那就顺利了：

fit = lm(y ~ x1:category + 0, data = df)

该公式名称将取代设计矩阵的手动构造。

使用我自己的设计矩阵是我过去所做的事情，适合的参数和诊断就像它们应该的那样。我没有使用预测功能，因此从未知道R正在丢弃“data =”参数。警告会很酷。 R是个苛刻的情妇。

Answer 3

这可能会有所帮助。将新数据转换为@NonNull @Override public Single<List<Review>> getReviews() { return appCredentialsSource .getAppCredentials() .firstOrError() .flatMap(flo -> appNetworkSource.professionalsReview(flo.getApiKey()); }，例如：

data.frame

R中的Predict.lm无法识别newdata

3 个答案: