我使用60/40测试分割构建预测模型。 我想构建一个包含10个解释变量的多项式回归模型。
首先,我建立了一个基于训练的模型,然后我在training$y
上回归。
model_poly = lm(training$y ~ poly(training$x1, degree=2, raw=TRUE) +
poly(training$x2, degree=2, raw=TRUE) +
poly(training$x3, degree=2, raw=TRUE) +
poly(training$x4, degree=2, raw=TRUE) +
poly(training$x5, degree=2, raw=TRUE) +
poly(training$x6, degree=2, raw=TRUE) +
poly(training$x7, degree=2, raw=TRUE) +
poly(training$x8, degree=2, raw=TRUE) +
poly(training$x9, degree=2, raw=TRUE) +
poly(training$x10, degree=2, raw=TRUE))
之后,我想使用此模型预测新数据(test
)。
poly_predictions = predict(model_poly, poly(test$x1, degree=2, raw=TRUE)+
poly(test$x2, degree=2, raw=TRUE) +
poly(test$x3, degree=2, raw=TRUE) +
poly(test$x4, degree=2, raw=TRUE) +
poly(test$x5, degree=2, raw=TRUE) +
poly(test$x6, degree=2, raw=TRUE) +
poly(test$x7, degree=2, raw=TRUE) +
poly(test$x8, degree=2, raw=TRUE) +
poly(test$x9, degree=2, raw=TRUE) +
poly(test$x10, degree=2, raw=TRUE))
测试数据大约有200k行,训练数据大约有300k行。
问题是,poly_predictions
具有训练数据的维度,而不是测试数据的维度。因此,出了点问题。
我在这里缺少什么?使用简单的线性模型进行预测时,例如
model_lm = lm(training$y ~ ., training)
lm_predictions = predict(model_lm, test)
我没有问题。
答案 0 :(得分:1)
您过度指定了问题。由于您的模型公式使用training$x1
,因此它在执行预测时将会查找确切的变量。相反,请使用列共享名称的事实,并将模型创建为
model_poly = lm(y ~ poly(x1, degree=2, raw=T) +
poly(x2, degree=2, raw=T), data=df.training)
这将根据抽象变量x1
,x2
等产生模型。
然后您可以像这样使用预测(您可以在此处省略poly
次调用,因为它已融入模型中):
predict(model_poly, df.test)
产生所需的结果。否则,您通常会收到一条警告,指出您的输出数据与提供的newdata
不匹配,以预测它们的长度是否不同。