Question

我的数据集与我在下面发布的代码类似的逻辑中收到错误。我曾尝试增加训练数据的数量，但没有解决。我已经排除了所有NA值。

model.frame.default中的错误（条款，newdata，na.action = na.action，xlev = object $ xlevels）：因子y具有新的水平L，X

set.seed(234)
d <- data.frame(w=abs(rnorm(50)*1000),
            x=rnorm(50), 
            y=sample(LETTERS[1:26], 50, replace=TRUE))



train_idx <- sample(1:nrow(d), floor(0.8*nrow(d)))
train <- d[train_idx,]
test  <- d[-train_idx,]



fit  <- lm(w ~x + y, data=train)
predict(fit, test)

Answer 1

由于@jdobres已经解释了为什么会出现这个错误的原因，我会直接跳到解决方案的方法：

让我们在predict语句

之前尝试下面的代码行

#add all levels of 'y' in 'test' dataset to fit$xlevels[["y"]] in the fit object
fit$xlevels[["y"]] <- union(fit$xlevels[["y"]], levels(test[["y"]]))

希望这可以解决您的问题！

Answer 2

因子和字符数据被视为分类变量。因此，模型无法形成他们以前从未见过的类别标签的预测。如果你建立了一个模型来预测关于＆＃34; poodle＆＃34;如果你给它＆＃34;金毛猎犬＆＃34;那么模型就会失败。＆＃34; pit bull＆＃34;

更具体到您的示例，错误告诉您标签＆＃34; L＆＃34;和测试集中的＆＃34; X＆＃34;不会出现在您的训练集中。由于他们不在训练集中，因此模型在测试中遇到这些时不知道该怎么做。

Answer 3

感谢Prem，如果您有很多变量，您可以像这样循环代码行：

for(k in vars){
  if(is.factor(shop_data[,k])){
    ols_fit$xlevels[[k]] <- union(ols_fit$xlevels[[k]],levels(shop_data[[k]]))
   }
}

vars是模型中使用的变量，shop_data是主要数据集，分为训练和测试

R：当我用测试数据预测时，因子为新水平

3 个答案: