预测多元线性模型的值
我需要帮助从多元lm模型中预测新数据的价值。
project_model <- lm(project_data$Log.Odds.Ratio ~ project_data$Complexity.Level + project_data$Product.Type + project_data$Plant.Normalized.Hours + project_data$Norm.Sq.Ft)
（四个预测指标）
我想从一组新数据中预测Log.Odds.Ratio。 （相同的列名称）
new_data <- data.frame(Complexity.Level = 3,Product.Type = "End",Plant.Normalized.Hours = 1.5 ,Norm.Sq.Ft = -0.6458333)
new_data[1,1] <- factor(new_data[1,1])
predict(project_model,new_data,interval='confidence')
但是，我得到这个错误
Warning message:
'newdata' had 1 row but variables found have 260 rows
连同我用来拟合模型的数据集中的260个预测值，但没有一个来自我拥有的新数据。
我已经做好了
mtcars < - mtcars mtcars $ cyl < - factor（mtcars $ cyl）
mtcars.lm <- lm(mpg ~ hp + cyl + disp + vs, data = mtcars)
# hp = 110
# cyl = 6
# disp = 200
# vs = 1
new_data <- data.frame(hp = 110, cyl = 6, disp = 200, vs = 1)
new_data$cyl <- factor(new_data$cyl)
predict(mtcars.lm,new_data,interval = 'confidence')
它的工作原理！ 我不知道有什么区别，但出于某种原因，我无法使用它处理我的实际数据。
链接地址: http://www.djcxy.com/p/24839.html