predict.glm（）测试数据中有三个新类别（r）（错误）

我有一个名为

data

的数据集，它有481092行

我将

数据

分成两等份：

第一个减半（第1行：240 546）称为

train

，用于

glm（）

第二个减半（第240 547行：481 092）称为

test

，用于验证模型 然后我开始回归：

testreg <- glm(train$returnShipment ~ train$size + train$color + train$price + 
               train$manufacturerID + train$salutation + train$state +
               train$age + train$deliverytime, 
               family=binomial(link="logit"), data=train)

现在我知道这些水平在回归中被省略了，因为它没有显示这些水平的任何系数

我试过这个：。但不知怎么的，它对我不起作用，或者我不知道如何实现它。我想预测相依二元变量，但当然只能用现有的系数。上面的链接建议告诉R，具有新级别的行应该被称为/或视为NA

我怎样才能继续

编辑Z.Li建议的方法

我在第一步遇到了问题：

xlevels <- testreg$xlevels$manufacturerID
mID125 <- xlevels[1]

---

xlevels由于您根据行数划分了
train
和
test
样本，因此，变量的某些因子水平在train和test样本中的表示并不相同

您需要进行分层抽样，以确保训练样本和测试样本都具有所有因子级别的表示。使用
splitstackshape
包中的
分层
 在固定效应建模中，包括线性模型和广义线性模型，不可能获得新因子水平的估计
glm
（以及
lm
）记录了在模型拟合期间显示和使用的因子水平，可在
testreg$xlevels
中找到

模型估算的模型公式为：

returnShipment ~ size + color + price + manufacturerID + salutation + 
                 state + age + deliverytime

然后
predict
投诉
manufactureID
的新因子水平125、136、137。这意味着，这些级别不在
testreg$xlevels$manufactureID
内，因此没有用于预测的相关系数。在这种情况下，我们必须删除此因子变量并使用预测公式：

returnShipment ~ size + color + price + salutation + 
                 state + age + deliverytime

但是，标准的
predict
例程不能接受您自定义的预测公式。通常有两种解决方案：

从
testreg
中提取模型矩阵和模型系数，并通过矩阵向量乘法手动预测所需的模型项。这就是你在帖子中给出的建议
将
test
中的系数级别重置为
testreg$xlevels$manufactureID
中出现的任何一个级别，例如，
testreg$xlevels$manufactureID[1]
。因此，我们仍然可以使用标准
predict
进行预测
现在，让我们首先选择一个用于模型拟合的因子级别

xlevels <- testreg$xlevels$manufacturerID
mID125 <- xlevels[1]


更新：

您抱怨在尝试上述解决方案时遇到了各种麻烦。这就是原因

您的代码：

testreg <- glm(train$returnShipment~ train$size + train$color + 
               train$price + train$manufacturerID + train$salutation + 
               train$state + train$age + train$deliverytime,
               family=binomial(link="logit"), data=train)

现在，我们看到所有东西都带有前缀
foo$
。预测期间：

newdata <- foo[1:2, ]  ## take first 2 rows of "foo" as "newdata"
rm(foo)  ## remove "foo" from R session
predict(toy, newdata)

然后，
foo$
消失了

> toy$formula
y ~ a
> toy$xlevels
$a
[1] "a" "b" "c" "d"

这可以解释两件事：

您在评论中向我抱怨，当您执行
testreg$xlevels$manufactureID
时，会得到
NULL

您发布的预测错误

Error in model.frame.default(Terms, newdata, na.action=na.action, xlev=object$xlevels):
Factor 'train$manufacturerID' has new levels 125, 136, 137

投诉
train$manufacturerID
而不是
test$manufacturerID

非常感谢。但我不想删除一个整因子变量，只想删除水平125、136和137（manufacturerID）。我可以这样使用你的第一行代码吗：mID125好的，也许我误解了你或者单词factor变量。所以变量manufacturerID的级别125、136和137没有在glm（）中使用，而是存在于测试数据部分（您称之为newdata）。很抱歉，我不能完全理解它。这就是它不起作用的原因。我将编辑我的问题，让你知道我做了什么好吗？好的，我写了我到目前为止所做的。也许你可以用正确的代码和更多的解释来编辑问题中的“编辑”部分。请尽可能简单：D R对我来说是新事物，英语不是我的第一语言：D@Zheyuan_Li当然可以。我会把它贴在下面的答案编辑
est <- coef(testreg)[paste0(manufacturerID, mID125)]
pred <- pred - est

testreg$family$linkinv(pred)

testreg <- glm(train$returnShipment~ train$size + train$color + 
               train$price + train$manufacturerID + train$salutation + 
               train$state + train$age + train$deliverytime,
               family=binomial(link="logit"), data=train)

set.seed(0); y <- rnorm(50, 0, 1)
set.seed(0); a <- sample(letters[1:4], 50, replace = TRUE)
foo <- data.frame(y = y, a = factor(a))
toy <- glm(foo$y ~ foo$a, data = foo)  ## bad style

> toy$formula
foo$y ~ foo$a  
> toy$xlevels
$`foo$a`
[1] "a" "b" "c" "d"

newdata <- foo[1:2, ]  ## take first 2 rows of "foo" as "newdata"
rm(foo)  ## remove "foo" from R session
predict(toy, newdata)

foo <- data.frame(y = y, a = factor(a))
toy <- glm(y ~ a, data = foo)

> toy$formula
y ~ a
> toy$xlevels
$a
[1] "a" "b" "c" "d"

Error in model.frame.default(Terms, newdata, na.action=na.action, xlev=object$xlevels):
Factor 'train$manufacturerID' has new levels 125, 136, 137