r - 使用新数据预测.lm

Question

我建了一个 lm不使用 data= 的模型范围:

m1 <- lm( mdldvlp.trim$y ~  gc.pc$scores[,1] + gc.pc$scores[,2] + gc.pc$scores[,3] + 
                            gc.pc$scores[,4] + gc.pc$scores[,5] + gc.pc$scores[,6] + predict(gc.tA))

现在我想预测 m1使用 newdata因此命名我的新 data.frame 以匹配 lm() 中使用的变量调用上面。

与 newComps作为我的新 gc.pc (就像 gc.tA 预测一样，是使用新的 data.frame 预测的，没有任何问题)，我试过了

newD <- data.frame( newComps[1:100,1:6] ,
                    predict(gc.tA , newdata = mdldvlp[1:100,predKept]))


names(newD) <- names(m1$coefficients)[-1]
names(newD) <- names(m1$model)[-1]

names(newD) <- c( "gc.pc$scores[, 1]" , "gc.pc$scores[, 2]" , "gc.pc$scores[, 3]" , 
                  "gc.pc$scores[, 4]" , "gc.pc$scores[, 5]" , "gc.pc$scores[, 6]" , 
                  "predict(gc.tA)" )
names(newD) <- c( "gc.pc$scores[,1]" , "gc.pc$scores[,2]" , "gc.pc$scores[,3]" , 
                  "gc.pc$scores[,4]" , "gc.pc$scores[,5]" , "gc.pc$scores[,6]" , 
                  "predict(gc.tA)" )

不幸的是， predict.lm不接受上述命名策略并返回可怕的 newdata警告以及来自构建 m1 的原始 data.frame 的预测:

Warning message:
'newdata' had 100 rows but variable(s) found have 1414 rows  

我应该如何命名 newD列制作 predict打电话上类？谢谢。

下面的代码重现了这个问题:

    require(rpart)

    set.seed(123)
    X <- matrix(runif(200) , 20 , 10)
    gc.pc <- princomp(X)
    y <- runif(20)
    mdldvlp.trim <- data.frame(y,X)
    names(mdldvlp.trim) <- c("y",paste("x",1:10,sep=""))
    predKept <- paste("x",1:10,sep="")

    gc.tA <- rpart( y ~ . , data = mdldvlp.trim)

    m1 <- lm( mdldvlp.trim$y ~  gc.pc$scores[,1] + gc.pc$scores[,2] + gc.pc$scores[,3] + 
                                gc.pc$scores[,4] + gc.pc$scores[,5] + gc.pc$scores[,6] + predict(gc.tA))

    mdldvlp <- data.frame(matrix(runif(2000) , 200 , 10))
    names(mdldvlp) <- predKept

    newComps <- predict( gc.pc , newdata=mdldvlp )

    newD <- data.frame( newComps[1:100,1:6] ,
                        predict(gc.tA , newdata = mdldvlp[1:100,predKept]))

# enter newD naming strategy here

    predict( m1 , newdata=newD )

4/20 跟进:

谢谢大家的回答。我知道首先创建一个带有正确命名的预测器的 data.frame 会更容易。我明白那个。我的问题是建模数据框是否确实评估为具有名为 gc.pc$scores[,1] 的变量的数据框等等，那么为什么上面使用的命名“策略”不适用于 predict.lm ?换句话说，是否 lm使用 gc.pc$scores[,1] 真正评估其建模数据框等等？如果是这样，上面的重命名策略在 predict.lm 中不起作用吗？ ?

Answer 1

您正在滥用公式符号，正是这一点导致了您的问题。基本上你的公式:

m1 <- lm( mdldvlp.trim$y ~  gc.pc$scores[,1] + gc.pc$scores[,2] + 
                            gc.pc$scores[,3] + gc.pc$scores[,4] + 
                            gc.pc$scores[,5] + gc.pc$scores[,6] + 
                            predict(gc.tA))

将评估为具有名为 gc.pc$scores[,1] 的变量的数据框等当您使用 predict()它将在传递给 newdata 的对象中查找具有这些相同名称的变量。争论。

理想情况下，您将创建一个数据对象，其中包含您希望包含在其中的所有变量并具有适当的名称，例如:

fitData <- data.frame(mdldvlp.trim$y, gc.pc$scores[, 1:6], predict(gc.tA))
names(fitData) <- c("trimY", paste("scores", 1:6, sep = ""), "preds")

然后通过以下方式拟合模型:

m1 <- lm(trimY ~ ., data = fitData)

通过提供与用于拟合模型的名称相同的数据框，可以从模型中进行新的预测。因此使用您的 newD :

newD <- data.frame(newComps[1:100,1:6] ,
                   predict(gc.tA , newdata = mdldvlp[1:100,predKept]))
names(newD) <- c(paste("scores", 1:6, sep = ""), "preds")

然后 predict()

predict(m1 , newdata=newD)

完整示例

require(rpart)

set.seed(123)
X <- matrix(runif(200) , 20 , 10)
gc.pc <- princomp(X)
y <- runif(20)
mdldvlp.trim <- data.frame(y,X)
names(mdldvlp.trim) <- c("y",paste("x",1:10,sep=""))
predKept <- paste("x",1:10,sep="")

gc.tA <- rpart( y ~ . , data = mdldvlp.trim)
fitData <- data.frame(mdldvlp.trim$y, gc.pc$scores[, 1:6], predict(gc.tA))
names(fitData) <- c("trimY", paste("scores", 1:6, sep = ""), "preds")
m1 <- lm(trimY ~ ., data = fitData)
mdldvlp <- data.frame(matrix(runif(2000) , 200 , 10))
names(mdldvlp) <- predKept

newComps <- predict( gc.pc , newdata=mdldvlp )
newD <- data.frame(newComps[1:100,1:6] ,
                   predict(gc.tA , newdata = mdldvlp[1:100,predKept]))
names(newD) <- c(paste("scores", 1:6, sep = ""), "preds")
predict(m1 , newdata=newD)