如何使用从存储在R列表中的模型进行预测？

Question

我有一个数据框dfab，其中包含2个列，我用它们作为参数来生成一系列线性模型，如下所示：

models = list()
for (i in 1:10){
    models[[i]] = lm(fc_ab10 ~ (poly(nUs_ab, i)), data = dfab)
}

dfab有32个观察值，我想预测fc_ab10只有1个值。

我想过这样做：

newdf = data.frame(newdf = nUs_ab)
newdf[] = 0
newdf[1,1] = 56
prediction = predict(models[[1]], newdata = newdf)

首先，我尝试将newdf编写为只有一个位置的数据帧，但由于数据集中有32个用于构建模型，我认为我必须提供至少32个点。我不认为这是必要的。

每次运行该代码时，都会出现以下错误：

  

错误：变量'poly（nUs_ab，i）符合“nmatrix.1”类型，但提供了“numeric”类型。   另外：警告信息：   在Z / rep（sqrt（norm2 [-1L]）中，每个= length（x））：     较长的物体长度不是较短物体长度的倍数

我认为我需要使用的预测是一个LM模型，预测器（数字56）在列命名的数据帧中给出。显然，我错了。

如何解决此问题？

感谢。

Answer 1

newdf应该是具有列名nUs_ab的data.frame，否则R将无法知道要操作哪个列（即，生成预测设计矩阵）。所以下面的代码应该可以工作

newdf = data.frame(nUs_ab = 56)
prediction = predict(models[[1]], newdata = newdf)