Question

我正在使用polym，我无法弄清楚如何改变多项式回归中使用的向量数。该数字应取决于训练数据帧中有多少要素f。现在我发现了这样的事情：

if (f==1) {
   model <- lm(Price ~ polym(X1,degree=3, raw=T), data=train)
} else if (f==2) {
   model <- lm(Price ~ polym(X1,X2,degree=3, raw=T), data=train)
} else if (f==3) {
   model <- lm(Price ~ polym(X1,X2,X3,degree=3, raw=T), data=train)
} else if (f==4) {
   model <- lm(Price ~ polym(X1,X2,X3,X4,degree=3, raw=T), data=train)
} else if (f==5) {
   model <- lm(Price ~ polym(X1,X2,X3,X4,X5,degree=3, raw=T), data=train)
}

我最初的方法是使用do.call（），如下所示：

features <- as.list(train[,1:f])
degree<-3
polym_args <- c(features, degree=degree, raw=T)
model <- lm(train$Price ~ do.call(polym,polym_args))
summary(model)
predict(model, newdata=test)

这适用于拟合模型和查看摘要信息，但在预测新问题时会产生一个特殊问题。在新数据上调用predict（）会从训练数据中返回原始拟合数据点而不是新预测，以及以下错误：

Warning message:
'newdata' had 4 rows but variables found have 100 rows

（我通过删除它并尝试正常的聚合规范来验证这是do.call（）的问题，这不会导致上述错误。）

是否有一种直接使用所有可用载体的方法？

示例列车数据：

X1  X2  Price
0.31    0.76    1312.07
0.99    0.23    717.1
0.84    0.29    607.91
0.28    0.45    270.4
0.07    0.83    289.88
0.66    0.8 830.85
0.73    0.92    1038.09
0.57    0.43    455.19
0.43    0.89    640.17

示例测试数据：

X1  X2
0.05    0.54
0.91    0.91
0.31    0.76
0.51    0.31

如何改变polym中的参数/向量的数量？在lm（）中使用do.call（）调用会导致问题

0 个答案: