使用线性模型的预测和 data.frame 的重要性

问题描述

我写信问我们为什么要添加 data.frame() 以使用 lm 进行预测

第一块代码应该是错误的，第二块代码应该是正确的。

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