Question

我在lmRob包中使用robust拟合多变量模型，我喜欢合适。如何使用拟合在给定点进行预测？黑客的解决方案是绘制它并在图上放置水平和垂直线以精确定位

如何为模型提供一个点，让它吐出预测？我想象的是：

predict(model, newdata = data.frame(x = 2, y = 90))

但这给了我错误：

predict(model, newdata = data.frame(x = 2, y = 90))
Error in `contrasts<-`(`*tmp*`, value = contrasts.arg[[nn]]) : 
  contrasts apply only to factors

traceback()是：

> traceback()
7: stop("contrasts apply only to factors")
6: `contrasts<-`(`*tmp*`, value = contrasts.arg[[nn]])
5: model.matrix.default(delete.response(Terms), newdata, contrasts = object$contrasts, 
       xlevels = attr(object, "xlevels"))
4: model.matrix(delete.response(Terms), newdata, contrasts = object$contrasts, 
       xlevels = attr(object, "xlevels"))
3: predict.lmRob(model, newdata = data.frame(x = 1, 
       y = 90), interval = "predict")
2: predict(model, newdata = data.frame(x = 1, y = 90), 
       interval = "predict")
1: predict(model, newdata = data.frame(x = 1, y = 90), 
       interval = "predict")

如果我只是尝试将原始数据集传递到predict，我会得到：

Error in x %*% coefs : non-conformable arguments

添加适当的因子级别会修复第一个警告，但会保留第二个警告。

Answer 1

您需要确保newdata与原始版本具有相同的级别，即

dat <- data.frame(x=1:10, y=factor(sample(letters[1:2], 10, rep=T)),
                  z=runif(10))
fit <- lmRob(z ~ ., data=dat)

## Fails, wrong factor
predict(fit, newdata=data.frame(x=11, y="a")) 

## Works
predict(fit, newdata=data.frame(x=11, y=factor("a", levels=letters[1:2])))

修改

如果您执行此类操作，您将收到第二个错误

dat <- data.frame(x=1:10, y=factor(sample(letters[1:2], 10, rep=T), levels=letters[1:3]),
                  z=runif(10))  # data has empty "c" level
fit <- lmRob(z ~ ., data=dat)

## Fails
predict(fit, newdata=dat)

## Works
predict(fit, newdata=droplevels(dat))

如何使用带有因子的lmRob模型来预测新值？

1 个答案:

修改