多项式回归模型，用于预测具有 500 行的变量的值答案

【问题标题】：Polynomial regression model to predict values for a variable with 500 rows多项式回归模型，用于预测具有 500 行的变量的值
【发布时间】：2019-03-27 08:19:34
【问题描述】：

大约有500 值planned，在此基础上我必须预测新值actual。

请帮助我编写代码，这里我将展示我手动执行的操作：

predict(poly_reg, data.frame(planned= 48.80000,
                             Level2 = 48.80000^2,
                             Level3 = 48.80000^3))

lin_reg = lm(formula = actual ~ ., data = dataset)
summary(lin_reg)
# Fitting Polynomial Regression to the dataset
dataset$Level2 = dataset$planned^2
dataset$Level3 = dataset$planned^3
dataset$Level4 = dataset$Planned_FTM^0.25000
poly_reg = lm(formula = actual~ ., data = dataset)
# Visualising the Linear Regression results
# install.packages('ggplot2')
library(ggplot2)
ggplot() + geom_point(aes(x = dataset$planned, y = dataset$actual), colour = 'red') + geom_line(aes(x = dataset$planned, y = predict(lin_reg, newdata = dataset)), colour = 'blue') + ggtitle('Truth or Bluff (Linear Regression)') + xlab('planned') + ylab('actual')

# Predicting a new result with Linear Regression
predict(lin_reg, data.frame(planned= 48.80000))
# Predicting a new result with Polynomial Regression
predict(poly_reg, data.frame(planned= 48.80000, Level2 = 48.80000^2, Level3 = 48.80000^3))

【问题讨论】：

有些不对劲，数据中不应该有变量的正方形和立方体，这些术语应该只存在于模型中。
好的，你能告诉我如何对大约 500 个值进行预测
可以创建正方形或立方体。这称为转化。但是，我不确定 48.8 在那里做什么。我怀疑您正在尝试使用 500 个数据点来预测第 501 个值。这是正确的吗？为此，您不需要 LM。查看 ARIMA 或其他预测算法。

标签： r machine-learning linear-regression polynomial-approximations predictive

【解决方案1】：

尝试在 planned 上使用 poly 到您正在使用的任何阶多项式（我使用了 4）：

# Fitting Linear Regression to the dataset
lin_reg = lm(formula = actual ~ planned, data = dataset)

# Fitting Polynomial Regression to the dataset
poly_reg = lm(formula = actual ~ poly(planned, 4), data = dataset)

# Predicting a new result with Linear Regression
predict(lin_reg)

# Predicting a new result with Polynomial Regression
predict(poly_reg)

【讨论】：