R中的predict（）方法给出了不一致的结果

我正在使用

kernlab

的KSVM来预测未来的值。生成模型后，

predict（）

方法用于获取未来值

代码如下所示：

data=read.csv('D:\\MyData.csv')
forecastInterval=2000
col=2

dataLength=length(data[,1])
plot(data[,col],xlim=c(0,8000),ylim=c(-200,200), type='l')
svmX=seq(1,dataLength,1)
regm <- ksvm(svmX,data[,col],type='eps- bsvr',kernel='anovadot',epsilon=0.5,kpar="automatic",cross=3)
newSvmX=seq(dataLength+1, dataLength+forecastInterval,1)
predict=predict(regm,newdata=data.frame(newSvmX))

lines(newSvmX,predict,col="green")
lines(seq(1,dataLength+forecastInterval,1),predict(regm,seq(1,dataLength+forecastInterval,1)), col='blue')

虽然实际数据的最后一个值为

8.462130

，但由于这一点，实际数据和预测值的图表出现了中断

另一个问题是，当我使用

lines(newSvmX,predict,col="green")

然后，该“绿色”线与实际数据断开。如果我使用：

lines(seq(1,dataLength+forecastInterval,1),predict(regm,seq(1,dataLength+forecastInterval,1)), col='blue')

那么这条“蓝色”线与原始数据是连续的

请帮助我解决这个问题，即为什么

predict（）

方法给出的值与原始数据不连续，以及为什么在相同数据上运行的两个“line（）”方法生成不同的图形

附件是该图的屏幕截图。 regm不同预测范围的变量“>

---

谢谢

行不匹配，因为您对

x

-值使用了不同的值。我说不出来，因为您没有提供源数据，但可能您生成的外推值超出了数据集的范围--这总是一个危险的举动。顺便说一句，不要命名变量（

predict

）与函数相同。这会导致麻烦。@Carl Witthoft:谢谢你的回答。那么这是否意味着

x

-值的起点必须始终从1开始，而不是黑色图形的结尾，因为两个图形（蓝色和绿色）都是从1开始的正在对相同范围进行预测，但其预测值不同。蓝色图形的预测似乎更一致。但是，如果训练数据非常大（如我的情况），则从1中获取值会导致

ksvm（）

方法需要很长的计算时间。请建议在这种情况下使用哪种方法进行预测（蓝色图形方法或绿色方法）。我不知道-您需要确保访问的是

预测变量的正确组件（.我不知道由
kvsm
生成的
regm
的类别，但很可能您需要指定要在绿线plot调用中绘制的
predict
的哪个列表元素或矩阵组件。
lines(seq(1,dataLength+forecastInterval,1),predict(regm,seq(1,dataLength+forecastInterval,1)), col='blue')