请帮助我！
我有以下变量的2017年数据：
年龄：数字
性别：性别值M =男性，F =女性，X =不确定/双性恋/未指定
邮政编码：数字
住宅邮政编码： 1 =主要城市，2 =内陆地区，3 =内陆地区，4 =偏远地区和5 =非常偏远 社会经济：* 0-99，其中0为低社会经济，而99为高*
学校代码：数字代码
第一代父母的教育程度：数字
第二代父母的教育程度：数字
等级： 0到100之间的数字
我想训练2017年的数据来预测学生在2018年的成绩（例如，如果我们有一个学生的成绩达到80分，而在2018年，我们的学生的变量相同或非常相似，那么预测成绩应该接近到80）
///////////////////////////////////////////////// ///////////////////////////////
谢谢，朝气蓬勃！我已经使用了您的脚本，并且得到了结果！ 这是我使用的脚本和数据：
data<-read.csv("Olddata.csv")
newdata<-read.csv("Newdata.csv")
model <- lm(Age~., data=data)
nextYear <- data
nextYear$Age <- nextYear$Age + 1
results <- predict(model, newdata=nextYear, type='response')
假设我们只有以下变量：
年龄，性别，邮政，邮政编码等级 20楼3191 89.6 20 M 3930 99 20楼3126 99.2 21 M 3910 94.65
newdata可以是具有相同数量变量的任何东西。
输出类似于：
1 2 3 4
20.09547 20.48317 19.82224 20.55038
但是实际上，我想要的输出是每个学生的实际成绩（满分为100）！
答案 0 :(得分：0)
您要寻找的是线性回归模型。
在R中，它用lm()调用。您可以阅读更多here。
您可能需要拟合一个预测成绩的模型，然后对“年龄”增加1的数据运行该模型，因为大概这是明年唯一会改变的属性。
假设您的数据在一个名为data的数据框中，则看起来像这样：
model <- lm(Age~., data=data)
nextYear <- data
nextYear$Age <- nextYear$Age + 1
results <- predict(model, newdata=nextYear, type='response')
确保所有非数字列都是因子。