理解R中的线性模型

R语言对我来说一直有点神秘，所以尽管我知道什么是线性回归，但我还是不明白下面的一些语法

因此，假设我有以下几点：

x <- c(1, 2, 3, 4)
y <- c(2.1, 3.8, 6.5, 7.78)
lm1 <- lm(y~x)

现在，当我想在生产模式下运行时，我会执行以下操作（我想预测x=10和x=20的值：

test <- c(10,20)
predict(lm1, test)

predict（）

需要将

newdata=

参数设置为data.frame。它使用data.frame中列的名称来匹配公式中的变量。当模型具有多个预测器时，这一点尤为必要

你能行

predict(lm1, data.frame(x=test))

此外，最好也使用data.frame来拟合您的模型

dd<-data.frame(
    x = c(1, 2, 3, 4),
    y = c(2.1, 3.8, 6.5, 7.78)
)
lm1 <- lm(y~x, dd)
predict(lm1, data.frame(x=c(10,20)))

dd
测试
predict(lm1, data.frame(x=test))

dd<-data.frame(
    x = c(1, 2, 3, 4),
    y = c(2.1, 3.8, 6.5, 7.78)
)
lm1 <- lm(y~x, dd)
predict(lm1, data.frame(x=c(10,20)))