R-黑箱范式中lm对象的预测

我有一个返回lm对象的函数。我想根据一些新数据得出预测值。新数据是一个data.frame，其格式与传递给lm函数的数据完全相同，但响应已被删除（因为我们是预测，而不是训练）。我希望执行以下操作，但得到一个错误：

predict( model , newdata )
"Error in eval(expr, envir, enclos) : object 'ModelResponse' not found"

在我的例子中，ModelResponse是我最初培训的数据中响应列的名称。因此，为了刺激，我尝试插入NA响应：

newdata$ModelResponse = NA
predict( model , newdata )
Error in terms.default(object, data = data) : no terms component nor attribute

非常令人沮丧！R的模型/回归概念与我的不匹配：1。我用一些数据训练一个模型，得到一个模型对象。2.我可以对来自任何环境/函数/框架等的新数据进行评分。只要我将数据输入到模型对象中，“看起来”与我训练的数据（即相同的列名）。这是一个标准的黑盒范例

下面是我的问题：
1.我在这里遗漏了什么概念？
2.我如何让我的场景工作？
3.如何使模型对象可移植？str（model）告诉我模型对象保存了它训练过的原始数据！所以模型对象是巨大的。我希望我的模型能够移植到任何函数/环境等，并且只包含它需要评分的数据。

在模型或提供给模型的数据上没有str（）的情况下，以下是我对此错误消息的猜测：

predict( model , newdata )
"Error in eval(expr, envir, enclos) : object 'ModelResponse' not found"

我猜您创建了一个名为“model”的模型对象，并且您的结果变量（公式的左侧）（在最初对lm的调用中被命名为“ModelResponse”，然后您在newdata中以相同的名称命名了一列。但是您应该做的是省略“ModelResponse”列（因为这就是您所预测的）并输入“Model_predictor 1”、“Model_predictor 2”等，即公式右侧的所有名称

函数的作用是：提取使模型可移植所需的信息

mod.coef <- coef(model)
mod.coef

（我从经验中了解到，来自rms的受限三次样条拟合函数需要添加空格和回车，以提高可读性。）

在模型或提供给模型的数据上都没有str（）的情况下，以下是我对此错误消息的猜测：

predict( model , newdata )
"Error in eval(expr, envir, enclos) : object 'ModelResponse' not found"

我猜您创建了一个名为“model”的模型对象，并且您的结果变量（公式的左侧）（在最初对lm的调用中被命名为“ModelResponse”，然后您在newdata中以相同的名称命名了一列。但是您应该做的是省略“ModelResponse”列（因为这就是您所预测的）并输入“Model_predictor 1”、“Model_predictor 2”等，即公式右侧的所有名称

函数的作用是：提取使模型可移植所需的信息

mod.coef <- coef(model)
mod.coef

---

（我从经验中了解到，来自rms的受限三次样条拟合函数需要添加空格和回车，以提高可读性。）

从长远来看，您可能应该看看

caret

软件包。许多或大多数建模函数都使用数据帧和矩阵，其他函数也有自己的偏好，它们的期望可能会有其他变化。快速了解每种函数很重要，但是如果您想要一个简单的包装器，那么为你的生活做准备，把错综复杂的事情变成一个“黑匣子”，然后插入符号就离你越近越好

---

作为免责声明：我不使用

插入符号

，因为我认为建模不应该是一个黑匣子。我收到过几封电子邮件给建模包的维护者，他们查看了他们的代码，发现了一些错误。将其包装到另一层不会符合我的兴趣。因此，从长远来看，避免

插入符号

并开发一种分析不同建模功能的乐趣。：）

从长远来看，您可能应该看看

caret

软件包。许多或大多数建模函数都使用数据帧和矩阵，其他函数也有自己的偏好，它们的期望可能会有其他变化。快速了解每种函数很重要，但是如果您想要一个简单的包装器，那么为你的生活做准备，把错综复杂的事情变成一个“黑匣子”，然后插入符号就离你越近越好

---

作为免责声明：我不使用

插入符号

，因为我认为建模不应该是一个黑匣子。我收到过几封电子邮件给建模包的维护者，他们查看了他们的代码，发现了一些错误。将其包装到另一层不会符合我的兴趣。因此，从长远来看，避免

插入符号

并为剖析不同建模功能的进出创造一种乐趣。

这是一种“标准的黑箱范式”？你不会碰巧在攻读MBA吧？不会。我不会用“黑箱”来解释“我不知道里面发生了什么”（我知道lm在做什么）.我的意思是用一些数据训练一个模型，然后用一些新的数据对模型进行评分，并使其变得简单。你能提供一些产生错误的样本数据吗？好的，你在胡说。你的代码有问题，因为R是“黑盒范式”按照您描述的方式工作（在

？predict.lm

中有一个例子）。您是直接使用

predict

，还是在包装器函数中使用它？一些代码和数据将有助于了解发生了什么，这是一个“标准黑盒范式”？您不会碰巧正在攻读MBA，是吗？不，我没有使用“黑盒”从某种意义上说，“我不知道里面发生了什么”（我知道lm在做什么）。我指的是用一些数据训练一个模型，然后能够给模型打分的范例