r - 在 R 函数中调用 predict()

Question

我想在 R 中的函数内调用 predict(...)。我遇到了一些与范围相关的问题，但我无法弄清楚出了什么问题或如何解决它。任何人都可以帮忙吗？例子:

df <- data.frame(x=1:20, binary.outcome=1*(runif(20, 0, 1) > 0.60))
summary(df)
logit.model <- glm(df$binary.outcome ~ df$x, family=binomial("logit"), data=df)
summary(logit.model)

PredictOnNewData <- function() {
  df <- data.frame(x=51:100)
  df$probability <- round(predict(logit.model, df, type="response"), digits=3)
  return(df)
}

PredictOnNewData()

最后一行失败:

Error in $<-.data.frame(*tmp*, "probability", value = c(0.274, 0.282, : replacement has 20 rows, data has 50 In addition: Warning message: 'newdata' had 50 rows but variable(s) found have 20 rows

如果我正确理解错误消息，看起来我传递给 predict(...) 的 df 对象正在被评估为父/全局环境中的 df 。那个有 20 行，用于训练。但是我希望在另一个 df 数据帧上评估对 predict(...) 的调用——我在 PredictOnNewData 函数中创建的那个。我怎样才能做到这一点(不更改数据框的名称)？

[现在我重新阅读了这篇文章——我是在倒退吗？在 (df$probability <- ...) 行中，其中一个 dfs 的评估方式错误，但它是哪一个？]

我也尝试过 get("df",envir=sys.frame())，明确表示想要在当前函数框架中定义的 df 对象:

PredictOnNewData <- function() {
  df <- data.frame(x=51:100)
  # df$probability <- round(predict(logit.model, df, type="response"), digits=3)
  df$probability <- round(predict(logit.model, get("df", envir=sys.frame()), type="response"), digits=3)
  return(df)
}

PredictOnNewData()

...返回与上次相同的错误。

请帮忙!

绝对可以在大于用作训练数据的数据帧上调用 predict 。一个例子(正确运行):

df <- data.frame(x=1:20, binary.outcome=1*(runif(20, 0, 1) > 0.60))
summary(df)
logit.model <- glm(df$binary.outcome ~ df$x, family=binomial("logit"), data=df)
summary(logit.model)
df <- data.frame(x=1:100)
df$probability <- round(predict(logit.model, df, type="response"), digits=3)
df

这正是我想要做的——除了我希望由函数创建第二个 df。我怎样才能做到这一点？

Answer 1

如果需要，您应该正确使用数据和公式参数 predict正常工作。数据参数是一个数据框，公式参数由列名和(公式)运算符组成。我也不喜欢在开发领域范围之外隐含的狂野外推，但我们现在将忽略它。试试这个小修改:

df <- data.frame(x=1:20, binary.outcome=1*(runif(20, 0, 1) > 0.60))
summary(df)
logit.model <- glm( binary.outcome ~ x, family=binomial("logit"), data=df)
summary(logit.model)

PredictOnNewData <- function() {
  df <- data.frame(x=51:100)
  df$probability <- round(predict( logit.model, newdata=df, type="response"), digits=3)
  return(df)
}

PredictOnNewData()