R 中的线性判别分析 - 训练和验证样本

Question

我正在使用lda 命令分析一个 2 列、234 行的数据集 (x)：X1 列包含预测变量（度量），X2 列包含自变量（分类，4 个类别）。我想通过使用 150 个观测值来构建一个线性判别模型，然后使用其他 84 个观测值进行验证。在对数据进行随机分区后，我得到了 x.build 和 x.validation，分别有 150 和 84 个观察值。我运行以下

fit = lda(x.build$X2~x.build$X1, data=x.build, na.action="na.omit")

然后我像这样运行预测命令：

pred = predict(fit, newdata=x.validation)

通过阅读命令描述，我认为在pred$class 中，我会根据构建的模型获得验证数据的分类，但我得到的是 150 个观察值的分类，而不是我打算用作验证数据的 84 个观察值.我真的不知道发生了什么，谁能给我一个例子来说明我应该如何进行这个分析？

非常感谢您。

Answer 1

试试这个：

fit = lda(X2~X1, data=x.build, na.action="na.omit")
pred = predict(fit, newdata=x.validation)

如果您在构建模型时使用此公式x.build$X2~x.build$X1，则预测需要验证数据中的x.build$X1 列。显然没有，因此您可以对训练数据进行预测。