多项式回归的新预测

Question

我得到了以下回归模型，我正在尝试做一些预测，但是我总是会出错：

model1 <- lm(Sepal.Length ~ Petal.Length +  poly(Sepal.Width, 2), data = iris)
predict(model1, model1$model)

  

poly（Sepal.Width，2，coefs = list（alpha = c（3.05733333333333，   ：找不到对象“ Sepal.Width”

我知道我可以简单地为预测获得拟合值。 但是，让我们说我的新数据如下：

newdata <- head(model1$model) + 1

如何在不出现此错误的情况下对此新数据集进行预测？

Answer 1

问题是您使用model对象中的lm插槽，该插槽不包含原始数据，而是其中已经扩展了多项式部分的矩阵：

head(model1$model)
#   Sepal.Length Petal.Length poly(Sepal.Width, 2).1 poly(Sepal.Width, 2).2
# 1          5.1          1.4            0.083201357           -0.016039377
# 2          4.9          1.4           -0.010776079           -0.053252127
# 3          4.7          1.3            0.026814895           -0.056361540
# 4          4.6          1.5            0.008019408           -0.057805919
# 5          5.0          1.4            0.101996844            0.009397687
# 6          5.4          1.7            0.158383306            0.121697905

这当然不起作用，因为predict希望有一个Sepal.Width列。您可以提供适当的数据参数：

predict(model1, head(iris[, 1:4]) + 1)
#       1        2        3        4        5        6 
# 6.306370 5.845728 5.973836 5.979895 6.406965 6.868732