R 在glm中包含线性相关特征

我有一个训练集，其中x列代表正在进行比赛的特定体育场。很明显，这些列在训练集中是线性相关的，因为比赛必须在至少一个体育场进行

然而，我的问题是，如果我通过测试数据，它可能包括一个在训练数据中看不到的体育场。因此，我希望将所有x列都包含在训练GRLM中，这样每个体育场的平均系数为零。然后，如果看到一个新体育场，它基本上会得到所有体育场系数的平均值

我遇到的问题是，R glm函数似乎检测到我的训练集中有线性相关列，并将其中一个系数设置为NA，以使其余系数线性独立。我如何：

停止在glm函数中为我的一列插入NA系数，并确保所有体育场系数总和为0

一些示例代码

# Past observations
outcome   = c(1  ,0  ,0  ,1  ,0  ,1  ,0  ,0  ,1  ,0  ,1  )
skill     = c(0.1,0.5,0.6,0.3,0.1,0.3,0.9,0.6,0.5,0.1,0.4)
stadium_1 = c(1  ,1  ,0  ,0  ,0  ,0  ,0  ,0  ,0  ,0  ,0  )
stadium_2 = c(0  ,0  ,1  ,1  ,1  ,1  ,1  ,0  ,0  ,0  ,0  )
stadium_3 = c(0  ,0  ,0  ,0  ,0  ,0  ,0  ,1  ,1  ,1  ,1  )

train_glm_data = data.frame(outcome, skill, stadium_1, stadium_2,     stadium_3)
LR = glm(outcome ~ . - outcome, data = train_glm_data,  family=binomial(link='logit'))
print(predict(LR, type = 'response'))

# New observations (for a new stadium we have not seen before)
skill     = c(0.1)
stadium_1 = c(0  )
stadium_2 = c(0  )
stadium_3 = c(0  )

test_glm_data = data.frame(outcome, skill, stadium_1, stadium_2, stadium_3)
print(predict(LR, test_glm_data, type = 'response'))

# Note that in this case, the observation is simply the same as if we had observed stadium_3
# Instead I would like it to be an average of all the known stadiums coefficients
# If they all sum to 0 this is essentially already done for me
# However if not then the stadium_3 coefficient is buried somewhere in the intercept term

---

train_glm_data$stadium要估计所有虚拟变量的系数，可以在公式中添加“-1”，这将删除截距：

LR = glm(outcome ~ . - outcome - 1, data = train_glm_data, family=binomial(link='logit'))

系数：

coef(LR)
#      skill  stadium_1  stadium_2  stadium_3 
# -2.8080177  0.8424053  0.7541226  1.1313135 

对于看不见的训练级别问题，@hack-r提出了一些好主意。另一个想法是为新观测的所有虚拟变量插补
1/n
（其中
n
是观测体育场的数量）。
您拟合的
glm
模型是什么？如果你能提供一个最小的可复制的例子，这会很有帮助
coef(LR)
#      skill  stadium_1  stadium_2  stadium_3 
# -2.8080177  0.8424053  0.7541226  1.1313135