Question

我试图通过在R的mpg包中使用岭回归来基于许多变量来预测汽车的glmnet。我已经将数据分成训练和测试数据，并对分类变量进行虚拟编码。

我按照以下方式拟合交叉验证模型：

require("glmnet")

x <- as.matrix(data.frame(cylinderDummy[,2:ncol(cylinderDummy)], trainData$displacement,
            trainData$horsepower, trainData$weight, trainData$acceleration,
            originDummy[,2:ncol(originDummy)]))
y <- trainData$mpg
cv.fit <- cv.glmnet(x, y, alpha = 1, nfolds=5,type.measure="mse")

这一切都很好，但是，当我尝试对拟合模型的测试数据使用predict()函数时会出现问题：

prediction <- predict(cv.fit, testData$mpg, s="lambda.1se")

我收到以下错误：

Error in as.matrix(cbind2(1, newx) %*% nbeta) : 
error in evaluating the argument 'x' in selecting a method for function 'as.matrix': 
Error in t(.Call(Csparse_dense_crossprod, y, t(x))) : 
error in evaluating the argument 'x' in selecting a method for function 't': 
Error: Cholmod error 'X and/or Y have wrong dimensions' at file
../MatrixOps/cholmod_sdmult.c, line 90

谁能告诉我我做错了什么？谢谢！

Answer 1

prediction <- predict(cv.fit, testData$mpg, s="lambda.1se")

似乎testData $ mpg是一个向量，模型应该使用整个testdata集来预测而不是单个mpg值。

在你的情况下，它应该像

testdata <- as.matrix(data.frame(cylinderDummy[,2:ncol(cylinderDummy)], testData$displacement,
        testData$horsepower, testData$weight, testData$acceleration,
        originDummy[,2:ncol(originDummy)]))
prediction <- predict(cv.fit, testData, s="lambda.1se")

在R的GLMNET包中预测拟合模型的麻烦

1 个答案: