Question

我有一个在某个数据库上训练的lm模型，我想预测另一个数据库的某些值。问题是，在其他＆＃39;数据库，有些因素不在培训数据库中。我想用NA值替换那些，所以在预测时我也会得到一个NA值（我知道使用predict和na.action = na.exclude就可以了。）

因为我没有训练数据库，所以我可以从模型中提取已知因子：model$xlevels[1] # contains the first factor values。这是一个列表，如果我想获得因子的名称，我将使用names(model$xlevels[1])。所以现在我想得到包含已知因素的行：

knownData <- subset(allData, names(model$xlevels[1]) %in% model$xlevels[1])

但是我收到以下错误：

Error in model$xlevels : $ operator is invalid for atomic vectors

所以我把它分开了：

factorName <- names(model$xlevels[2])
factorValues <- model$xlevels[2]
knownData <- subset(allData, factorName %in% factorValues)

现在我得到一个空knownData（0行），即使有很多已知因素。

我走得更深，所以我做了

allData[factorName] %in% factorValues
[1] FALSE

似乎只有一个值而且它是错误的。如何提取已知数据？或者更好：如何用NA s替换未知因素？

修改

我认为问题在于对价值的解释，因为如果我做了

allData$clnm %in% factorValues

我只是假...

我试图把它解释为一个因素

allData$clnm %in% as.factor(factorValues)

但没有工作，我收到一个错误：

Error in sort.list(y) : 'x' must be atomic for 'sort.list'
Have you called 'sort' on a list?

添加重复性代码 好的，只是为了具有可重复性，这就是代码：

trnData = read.csv("http://www.bodowinter.com/tutorial/politeness_data.csv")
model <- lm(frequency ~ attitude + scenario, trnData)

tstData <- rbind(c("H1", "H", 2, "pol", 185),
                 c("M1", "M", 1, "pol", 115),
                 c("F1", "F", 3, "ang", 210))
colnames(tstData) <- colnames(allData)
tstData <- as.data.frame(tstData)

假设我们不知道trnData，我们可以从以下方面提取培训中使用因素的值和名称：

factorName <- names(model$xlevels[1])
factorValues <- model$xlevels[1]

Answer 1

最好发布一个可重复的例子，否则我们猜！看看这个例子，看看是否解决了你的问题。

n=50
set.seed(123)
d=data.frame(o=rnorm(n,10,3),t=1:n,w=rep(c("A","B","C"),length.out=n))
m=10
td=data.frame(o=rnorm(m,10,3),t=(n+1):(m+n),w=c("D","E",rep(c("A","B","C"),length.out=m-2)))

model <- lm(o ~ t * w,data=d)

cbind(td$o,predict(model,newdata=td[,-1])) #Erro here

newlevels=levels(td$w)[!levels(td$w)%in%levels(d$w)]
ntd=td
ntd$w=factor(ifelse(td$w%in%newlevels,NA,td$w),labels=levels(d$w))
cbind(td$o,predict(model,newdata=ntd[,-1]))

        [,1]      [,2]
1  10.759956        NA
2   9.914360        NA
3   9.871389  9.598080
4  14.105807 10.192217
5   9.322687 10.207865
6  14.549412  9.524874
7   5.353742 10.258272
8  11.753841 10.180756
9  10.371563  9.451669
10 10.647825 10.324328

Answer 2

您可以使用ifelse以NA

有条件地替换值

newvar = ifelse(oldvar=="new levels",NA,oldvar)

Answer 3

由于factorValues是一个列表，%in%无法正常工作，as.factor也返回错误，因为列表已经排序（看起来很像）。因此，要在因子中转换列表，应调用unlist。问题现在解决了：

knownData <- subset(allData, allData[,factorName] %in% factorValues)

还有另一个问题：factorName属于班级角色，因此FALSE

总是返回1 %in%

如何用NA取代R中lm模型的未知因素？

3 个答案: