r - 概率序数逻辑回归 `MASS::polr` : How to make prediction on new data

Question

我想在 R 中进行序数回归，因此我想使用 MASS 包中的 polr 函数。首先，我创建一个这样的模型:

model <- polr(labels ~ var1 + var2, Hess = TRUE)  

现在我想使用该模型来预测新病例。我认为这只是:

pred <- predict(model, data = c(newVar1, newVar2))  

然而，预测似乎是在某种程度上预测训练集，而不是新数据。当我的训练集是 2000 个示例，而我的新数据是 700 个示例时。我仍然得到 2000 个预测标签。

所以我的问题是:如何使用 polr 对新数据进行预测？

Answer 1

遗憾的是，没有 predict.polr 的文档条目，否则您可以简单地阅读它以了解如何正确使用 predict。

在 R 中，仅对于一些原始模型拟合函数，例如 smooth.spline、predict 期望新数据的向量(这是合理的，因为 smooth.spline 处理单变量回归)。一般来说，predict 需要一个数据框或列表，其名称与模型公式中指定的变量或模型框架中显示的变量(“term”属性)相匹配。如果您适合某个型号:

labels ~ var1 + var2

那么你应该构造newdata:

predict(model, newdata = data.frame(var1 = newVar1, var2 = newVar2))

或

predict(model, newdata = list(var1 = newVar1, var2 = newVar2))

注意，它是newdata，而不是predict的data。

<小时/>

由于没有文档，我们最好看一下:

args(MASS:::predict.polr)
#function (object, newdata, type = c("class", "probs"), ...) 

您甚至可以查看源代码(不长):

MASS:::predict.polr

您将在源代码中看到:

newdata <- as.data.frame(newdata)
m <- model.frame(Terms, newdata, na.action = function(x) x, 
       xlev = object$xlevels)

这解释了为什么 newdata 应作为数据帧传递，以及为什么变量名称必须与 Terms 中的内容匹配。

<小时/>

这是一个可重现的示例:

library(MASS)
house.plr <- polr(Sat ~ Infl + Type + Cont, weights = Freq, data = housing)

## check model terms inside model frame
attr(terms(house.plr$model), "term.labels")
# [1] "Infl" "Type" "Cont"

在进行预测时，这些将不起作用:

## `data` ignored as no such argument
predict(house.plr, data = data.frame("Low", "Tower", "Low"))
## no_match in names 
predict(house.plr, newdata = data.frame("Low", "Tower", "Low"))

这有效:

predict(house.plr, newdata = data.frame(Infl = "Low", Type = "Tower", Cont = "Low"))

#[1] Low
#Levels: Low Medium High