R 多项式回归中的新预测
我得到了以下回归模型,我正在尝试做一些预测,但我总是得到一个错误:R 多项式回归中的新预测,r,regression,prediction,poly,R,Regression,Prediction,Poly,我得到了以下回归模型,我正在尝试做一些预测,但我总是得到一个错误: model1 <- lm(Sepal.Length ~ Petal.Length + poly(Sepal.Width, 2), data = iris) predict(model1, model1$model) model1问题在于使用lm对象中的model插槽,该插槽不包含原始数据,而是矩阵,其中多项式部分已展开: head(model1$model) # Sepal.Length Petal.Length
model1 <- lm(Sepal.Length ~ Petal.Length + poly(Sepal.Width, 2), data = iris)
predict(model1, model1$model)
model1问题在于使用lm
对象中的model
插槽,该插槽不包含原始数据,而是矩阵,其中多项式部分已展开:
head(model1$model)
# Sepal.Length Petal.Length poly(Sepal.Width, 2).1 poly(Sepal.Width, 2).2
# 1 5.1 1.4 0.083201357 -0.016039377
# 2 4.9 1.4 -0.010776079 -0.053252127
# 3 4.7 1.3 0.026814895 -0.056361540
# 4 4.6 1.5 0.008019408 -0.057805919
# 5 5.0 1.4 0.101996844 0.009397687
# 6 5.4 1.7 0.158383306 0.121697905
这当然不起作用,因为predict
希望有一个Sepal.Width
列。您可以提供适当的数据参数:
predict(model1, head(iris[, 1:4]) + 1)
# 1 2 3 4 5 6
# 6.306370 5.845728 5.973836 5.979895 6.406965 6.868732
问题是您使用了lm
对象中的model
插槽,该插槽不包含原始数据,而是矩阵,其中多项式部分已经展开:
head(model1$model)
# Sepal.Length Petal.Length poly(Sepal.Width, 2).1 poly(Sepal.Width, 2).2
# 1 5.1 1.4 0.083201357 -0.016039377
# 2 4.9 1.4 -0.010776079 -0.053252127
# 3 4.7 1.3 0.026814895 -0.056361540
# 4 4.6 1.5 0.008019408 -0.057805919
# 5 5.0 1.4 0.101996844 0.009397687
# 6 5.4 1.7 0.158383306 0.121697905
这当然不起作用,因为predict
希望有一个Sepal.Width
列。您可以提供适当的数据参数:
predict(model1, head(iris[, 1:4]) + 1)
# 1 2 3 4 5 6
# 6.306370 5.845728 5.973836 5.979895 6.406965 6.868732
阅读文档:帮助(“predict.lm”)
newdata
必须与传递到lm
的data
具有相同的列名。这里显然不是这样。请阅读文档:help(“predict.lm”)
newdata
必须与传递到lm
的data
具有相同的列名。这里显然不是这样。是的,我知道,但让我们假设我没有可用的实际数据集。我只是以iris为例我想我不太明白你的问题。您希望为哪个数据集获取预测?如果它是原始版本,请使用fitted(.)
,如果它是您自己可以提供的任何其他版本。@user11143533您正在寻找cbind(1,as.matrix(model1$model)[,-1])%*%coef(model1)
?这将为您提供拟合值,并可用于使用新矩阵进行预测。是的,我知道,但假设我没有可用的实际数据集。我只是以iris为例我想我不太明白你的问题。您希望为哪个数据集获取预测?如果它是原始版本,请使用fitted(.)
,如果它是您自己可以提供的任何其他版本。@user11143533您正在寻找cbind(1,as.matrix(model1$model)[,-1])%*%coef(model1)
?这将为您提供拟合值,并可适用于使用新矩阵进行预测。