R 与lm相比，使用biglm进行预测得到的结果不正确

我用

biglm

和

lm

拟合模型，返回的模型摘要是相同的（只是格式不同）。但是，当我使用它们预测同一个数据集时，它们会产生不同的结果<代码>lm模型与我使用模型系数手动计算它们相比是正确的。但biglm模型是不正确的

以下是模型：

m1 <- biglm(cost ~ d + v + zi, data = tl)

m2 <- lm(cost ~ d + v + zi, data = tl)

其余的模型系数是匹配的，如上所示。然而，当我使用该模型进行预测时，结果是不同的：m1！=m1

t1$m1 <- predict(m1, t1)

t1$m2 <- predict(m2, t1)

---

经过漫长的一天，我终于解决了这个问题。 我知道biglm方法要求训练和测试数据集具有所有因子水平的记录。因此，当我处理数据集时，我在数据集中添加了每个缺失因子级别的1条记录（类似于上面引用的另一个线程发布的adding dummies方法）

但是（！！），我没有使用factor（）函数更新因子级别。在本例中，biglm模型运行良好，语法正常。但是模型的预测结果不是

---

不管怎样，在我更新因子水平后，它工作得很好

你能分享你的数据让社区运行你的代码吗？预测有多大的不同？让我试着找出如何添加数据和示例。好的，所以它们非常不同。对于丢失数据的处理方式是否有不同的默认值？？（idk）尝试不将预测分配回数据帧，并查看它们<代码>p1@user20650，我做了你推荐的：x1

t1$m1 <- predict(m1, t1)

t1$m2 <- predict(m2, t1)

      m1         m2
1798.831,  2365.868
1801.074,  2368.112
1482.508,  2351.042