单阵列R线性模型（lm）预测函数

我在R中有一个

lm

模型，我已经对它进行了训练和序列化。在函数中，我将模型和特征向量（一个数组）作为输入传递，我有：

---

我做错了什么？？这是同一个未序列化的模型，第一个选项也应该给我正确的答案…

问题似乎在于使用

newdata=as.data.frame.list（feat\u vec）

。正如在中所讨论的，这将返回难看的列名。调用

predict

时，

newdata

的列名必须与模型公式中的协变量名称一致。当您调用

predict

时，应该会收到一些警告消息

## example data
set.seed(0)
x1 <- runif(20)
x2 <- rnorm(20)
y <- 0.3 * x1 + 0.7 * x2 + rnorm(20, sd = 0.1)

## linear model
model <- lm(y ~ x1 + x2)

## new data
feat_vec <- c(0.4, 0.6)
newdat <- as.data.frame.list(feat_vec)
#  X0.4 X0.6
#1  0.4  0.6

## prediction
y_hat <- predict.lm(model, newdata = newdat)
#Warning message:
#'newdata' had 1 row but variables found have 20 rows 

---

这是R码吗？它看起来像半条蟒蛇；冒号在R中不起作用，

返回

或

+

。是的，它是R+伪代码-实际上可以忽略函数声明-这在Postgres中的PL/R函数中，但我不想关注Postgres…那么伪代码如何返回结果，正确与否？我对我的问题做了一些编辑，希望现在一切都清楚了。第一个选项返回错误的数字，而第二个选项返回正确的预测！我没有任何错误，不管有多好，但仍然不负责。我从Postgres打电话给R时看不到警告消息。。。但肯定有什么不对谢谢你的回答。我真的很感激。但它对我仍然不起作用，y__hat总是返回相同的结果，而“手动”计算返回正确的预测。我不明白为什么：/为什么我需要包括列名？？这真的很重要吗？这解决了我在使用randomForest时遇到的问题。。。谢谢我仍然得到了lm的奇怪行为，但很高兴我得到了它与另一个回归模型和完全相同的代码一起工作！

CREATE OR REPLACE FUNCTION lm_predict(
    feat_vec float[],
    model bytea
)
RETURNS float
AS
$$
    #R-code goes here.
    mdl <- unserialize(model)
    coef = mdl$coefficients
    y_hat = coef[1] + as.numeric(coef[-1]%*%feat_vec)
    return (y_hat)
$$ LANGUAGE 'plr';

## example data
set.seed(0)
x1 <- runif(20)
x2 <- rnorm(20)
y <- 0.3 * x1 + 0.7 * x2 + rnorm(20, sd = 0.1)

## linear model
model <- lm(y ~ x1 + x2)

## new data
feat_vec <- c(0.4, 0.6)
newdat <- as.data.frame.list(feat_vec)
#  X0.4 X0.6
#1  0.4  0.6

## prediction
y_hat <- predict.lm(model, newdata = newdat)
#Warning message:
#'newdata' had 1 row but variables found have 20 rows 

newdat <- as.data.frame.list(feat_vec,
                             col.names = attr(model$terms, "term.labels"))
#   x1  x2
#1 0.4 0.6

y_hat <- predict.lm(model, newdata = newdat)
#        1 
#0.5192413 

coef = model$coefficients
unname(coef[1] + sum(coef[-1] * feat_vec))
#[1] 0.5192413