CreateDataPartition不工作

我试图将数据划分为训练集和测试集，以进行交叉验证。我使用下一行分割表示状态的因子变量上的数据，该变量具有多个级别。我根据其他帖子使用了这一行，这表明

caret

包中的

createDataPartition

应该在因子中分割

inTrain = createDataPartition(y = LM_full$state, times = 1, p = 0.5, list = F)
LM_full_train=LM_full[inTrain,]
LM_full_test=LM_full[-inTrain,]

然后我尝试在训练数据上拟合一个线性模型，并预测测试数据的值，但它总是说我在测试数据中发现了新的水平。我比较了训练数据集和测试数据集的状态级别，它们是相同的，所以看起来训练数据和测试数据中都应该存在一定级别的变量

> unique(LM_full_train$state) == unique(LM_full_test$state)
 [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
[19] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

以下是错误：

> lm2_pred <- predict(lm2, LM_full_test, type = "response")
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 
  factor state has new levels CT, MA, NH, NJ, RI

---

>lm2_pred一个选项是向模型中添加新级别

lm2$xlevels[["state"]] = union(lm2$xlevels[["state"]] , levels(LM_full_test$state))

这不是很容易复制的。您能否提供一个具有代表性的数据集（如果您不能提供整个数据集），设置一些种子（
set.seed
），并展示您是如何创建模型的？解决方案总是有效的，这样您就不必担心这一点：DUMMIFY factor variable！如果你需要更多的帮助，你需要给我们一个可复制的例子。这需要更多的认可！