我写这篇文章是想问我们为什么要添加data.frame((来使用lm 进行预测
第一个代码块被认为是错误的,而第二个代码块则被认为是正确的。
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=iris)
summary(model_1)
print(predict(model_1,data.frame(Sepal.Width=c(1,3,4,5))))
在lm
对象上调用predict
时,调用的函数为predict.lm
predict(model_1, Sepal.Width=c(1,3,4,5))
您要做的是为c(1,3,4,5)
提供一个参数或Sepal.Width
的参数,predict.lm
会忽略此参数,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)
,并返回拟合值:
table(predict(model_1) == predict(model_1, Sepal.Width=c(1,3,4,5)))
TRUE
150
在这种情况下,您用公式拟合模型,predict.lm
函数需要您的数据帧来重建独立或外生矩阵,矩阵与系数相乘,并返回预测值。
以下是predict.lm
正在做的事情:
newdata = data.frame(Sepal.Width=c(1,3,4,5))
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