Question

我正在使用R中的插入符号包进行常规逻辑回归。我有一个二进制响应变量，编码为1或0，称为SALES_FLAG和140个数字响应变量，我在R中使用dummyVars函数转换为虚拟变量。

data <- dummyVars(~., data = data_2, fullRank=TRUE,sep="_",levelsOnly = FALSE )
dummies<-(predict(data, data_2))
model_data<- as.data.frame(dummies)

这给了我一个可以使用的数据框。所有变量都是数字的。接下来我分为培训和测试：

trainIndex <- createDataPartition(model_data$SALE_FLAG, p = .80,list = FALSE)
train <- model_data[ trainIndex,]
test  <- model_data[-trainIndex,]

使用火车功能训练我的模型的时间：

model <- train(SALE_FLAG~. data=train,method = "glm")

一切都很好，我得到了一个模特。但是当我运行预测函数时，它并没有给我我需要的东西：

predict(model, newdata =test,type="prob")

我得到一个错误：

Error in dimnames(out)[[2]] <- modelFit$obsLevels : 


length of 'dimnames' [2] not equal to array extent

另一方面，当我更换＆＃34; prob＆＃34;用＆＃34; raw＆＃34;对于预测函数内部的类型，我得到预测，但我需要概率，所以我可以根据我的阈值将它们编码为二进制变量。

不确定为什么会这样。我在没有使用插入符包的情况下做了同样的事情，它的工作方式如下：

model2 <- glm(SALE_FLAG ~ ., family = binomial(logit), data = train)
predict(model2, newdata =test, type="response")

我花了一些时间看这个，但不确定发生了什么，这对我来说似乎很奇怪。我尝试了很多火车功能的变化，这意味着我没有使用公式并使用X和Y.我使用方法=＆＃39; bayesglm＆＃39;以及检查和身份证给了我同样的错误。我希望有人可以帮助我。我不需要使用它，因为火车功能可以得到我需要的东西但是插入包是一个很好的包装，有很多工具，我希望能够弄明白这一点。

Answer 1

向我们展示str(train)和str(test)。我怀疑结果变量是数字，这使得train认为你正在做回归。打印model时也应该明白这一点。如果您想进行分类，请将其作为一个因素。

最高

从Caret包中预测函数会产生错误

1 个答案: