我得到了以下回归模型,我正在尝试做一些预测,但我总是得到一个错误:
model1 <- lm(Sepal.Length ~ Petal.Length + poly(Sepal.Width, 2), data = iris)
predict(model1, model1$model)
poly(Sepal.Width,2,coefs = list(alpha = c)(3.05733333333333,:找不到对象'Sepal.Width'时出错)
我知道我可以简单地访问预测的拟合值。但是,假设我的新数据如下所示:
newdata <- head(model1$model) + 1
如何在不收到此错误的情况下对此新数据集进行预测?
问题是你使用model
对象中的lm
槽,它不包含原始数据,而是矩阵,其中多项式部分已经展开:
head(model1$model)
# Sepal.Length Petal.Length poly(Sepal.Width, 2).1 poly(Sepal.Width, 2).2
# 1 5.1 1.4 0.083201357 -0.016039377
# 2 4.9 1.4 -0.010776079 -0.053252127
# 3 4.7 1.3 0.026814895 -0.056361540
# 4 4.6 1.5 0.008019408 -0.057805919
# 5 5.0 1.4 0.101996844 0.009397687
# 6 5.4 1.7 0.158383306 0.121697905
这当然不起作用,因为predict
希望有一个Sepal.Width
专栏。您可以提供正确的数据参数:
predict(model1, head(iris[, 1:4]) + 1)
# 1 2 3 4 5 6
# 6.306370 5.845728 5.973836 5.979895 6.406965 6.868732