如何解决使用线性模型的预测和 data.frame 的重要性
我写信问我们为什么要添加 data.frame() 以使用 lm 进行预测
dim(iris)
model_1<-lm(Sepal.Length~Sepal.Width,data=iris)
summary(model_1)
print(predict(model_1,Sepal.Width=c(1,3,4,5)))
dim(iris)
model_1<-lm(Sepal.Length~Sepal.Width,data.frame(Sepal.Width=c(1,5))))
解决方法
当您对 predict
对象调用 lm
时,调用的函数是 predict.lm。当你像这样运行它时:
predict(model_1,Sepal.Width=c(1,3,4,5))
您正在做的是向 c(1,5)
提供 Sepal.Width
一个参数或参数,predict.lm
会忽略它,因为此函数不存在此参数。
当没有新的输入数据时,您正在运行 predict.lm(model_1)
,并取回拟合值:
table(predict(model_1) == predict(model_1,5)))
TRUE
150
在这种情况下,您使用公式拟合模型,predict.lm
函数需要您的数据框来重建独立或外生矩阵,矩阵乘以系数并返回预测值。
这就是predict.lm
正在做的简要说明:
newdata = data.frame(Sepal.Width=c(1,5))
Terms = delete.response(terms(model_1))
X = model.matrix(Terms,newdata)
X
(Intercept) Sepal.Width
1 1 1
2 1 3
3 1 4
4 1 5
X %*% coefficients(model_1)
[,1]
1 6.302861
2 5.856139
3 5.632778
4 5.409417
predict(model_1,newdata)
1 2 3 4
6.302861 5.856139 5.632778 5.409417
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。