Question

我有以下代码，使用外部气温和TOD（96分类变量，一天中的时间），以15分钟间隔获得负载消耗的日前预测。当我运行下面的代码时，我收到以下错误。

  i = 97:192
  formula = as.formula(load[i] ~ load[i-96] + oat[i])
  model = glm(formula, data = train.set, family=Gamma(link=vlog()))

使用glm（），

在最后一行之后出现以下错误

Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
  contrasts can be applied only to factors with 2 or more levels

使用predict（），

在最后一行之后显示以下错误

Warning messages:
1: In if (!se.fit) { :
  the condition has length > 1 and only the first element will be used
2: 'newdata' had 96 rows but variable(s) found have 1 rows 
3: In predict.lm(object, newdata, se.fit, scale = residual.scale, type = ifelse(type ==  :
  prediction from a rank-deficient fit may be misleading
4: In if (se.fit) list(fit = predictor, se.fit = se, df = df, residual.scale = sqrt(res.var)) else predictor :
  the condition has length > 1 and only the first element will be used

Answer 1

你正在以一种相当迂回的方式做事，而且这种做法并不适合做出样本外的预测。如果要对行的子集建模，则直接对data参数进行子集化，或使用subset参数。

train.set$load_lag <- c(rep(NA, 96), train.set$load[1:96])
mod <- glm(load ~ load_lag*TOD, data=train.set[97:192, ], ...)

您还需要重新考虑您使用TOD所做的事情。如果它有96个等级，则你在96个观察中拟合（至少）96个自由度，这不会给你一个明智的结果。

使用R中的GLM模型提前一天

1 个答案: