我的情况是功能/预测变量是由dcast生成的。因此,实际生产中的新案例将缺少一些列。
例如:
# caret # load libraries require("caret") require("mlbench") data(BostonHousing) # train set.seed(7) control <- trainControl(method="cv", number=5) fit.lm <- train(medv~., data=BostonHousing, method="lm", metric="RMSE", preProc=c("center", "scale"), trControl=control)
对于预测,可以将缺失的列案例模拟为
require(dpllyr) newcases <- BostonHousing[1:3,] %>% select(-chas)
但是,这会导致预测错误:
predict(fit.lm,newcases) Error in eval(expr, envir, enclos) : object 'chas' not found