为什么我不能使用 R 的 predict() 函数在给定一个马力值的情况下预测一个 MPG 值？答案

【问题标题】：Why can't I predict one single value of MPG given one value of horsepower using R's predict() function?为什么我不能使用 R 的 predict() 函数在给定一个马力值的情况下预测一个 MPG 值？
【发布时间】：2018-11-18 17:30:38
【问题描述】：

使用 ISLR 的 Auto 数据集和以下代码：

lm.fit <- lm(Auto$mpg ~ Auto$horsepower)
predict(lm.fit, newdata = data.frame(horsepower=100))
predict(lm.fit, data.frame(horsepower=(c(100))), interval="confidence")

我收到如下错误：

警告信息： 'newdata' 有 1 行，但找到的变量有 392 行

我该如何解决这个问题？

【问题讨论】：

标签： r statistics regression linear-regression

【解决方案1】：

我不知道为什么会失败：

lm.fit <- lm(Auto$mpg ~ Auto$horsepower)
predict(lm.fit, newdata = data.frame(horsepower=100))

但是这样做的标准方法是根据数据给出公式并将数据作为参数包含在内：

lm.fit <- lm(mpg ~ horsepower, data=Auto)
predict(lm.fit, newdata=data.frame(horsepower=100))

应该可以。我没有那个数据集，所以这里是一个小例子：

> x=runif(100)
> y=runif(100)
> d = data.frame(x=x,y=y)
> m = lm(y~x, data=d)
> predict(m, newdata=data.frame(x=10))
       1 
0.454481

但是这样做会发生坏事：

> m2 = lm(d$y~d$x)
> predict(m2, newdata=data.frame(x=10))
        1         2         3         4         5         6         7         8 
0.4699471 0.4686431 0.4687603 0.4691200 0

【讨论】：

【解决方案2】：

您不应使用 lm(data$y ~ data$whatever) 之类的根本原因是它存储了对训练数据集中列的硬编码引用。不使用 Auto 数据集，我们以 R 自带的 mtcars 数据集为例。

让我们以错误的方式拟合模型：

m <- lm(mtcars$mpg ~ mtcars$wt)

执行此操作后，模型的terms 组件现在专门引用mtcars$mpg 和mtcars$wt，而不是变量mpg 和wt：

m$terms
# mtcars$mpg ~ mtcars$wt
# attr(,"variables")
# list(mtcars$mpg, mtcars$wt)
# attr(,"factors")
#            mtcars$wt
# mtcars$mpg         0
# mtcars$wt          1
# ...

现在尝试使用这个模型进行预测：

predict(m, newdata=data.frame(wt=4))
#         1         2         3         4         5         6         7         8         9        10        11        12        13 
# 23.282611 21.919770 24.885952 20.102650 18.900144 18.793255 18.205363 20.236262 20.450041 18.900144 18.900144 15.533127 17.350247 
#        14        15        16        17        18        19        20        21        22        23        24        25        26 
# 17.083024  9.226650  8.296712  8.718926 25.527289 28.653805 27.478021 24.111004 18.472586 18.926866 16.762355 16.735633 26.943574 
#        27        28        29        30        31        32 
# 25.847957 29.198941 20.343151 22.480940 18.205363 22.427495 
# Warning message:
# 'newdata' had 1 row but variables found have 32 rows

发生了什么？ predict 方法不是在寻找名为wt 的变量，而是在寻找名为mtcars$wt 的东西。在您的newdata 中没有任何此类内容，因此作为后备它在全局环境中查找（从技术上讲，它首先尝试在newdata 的环境中评估表达式mtcars$wt，然后在模型已拟合，即全局环境）。这成功了，实际上解析为我们用来拟合模型的原始数据列。因此，newdata 参数基本上被忽略了。

现在如果我们通过正确的方式拟合模型

m2 <- lm(mpg ~ wt, data=mtcars)

这会将变量名称mpg 和wt 存储在模型中，名称查找将按预期工作：

predict(m2, newdata=data.frame(wt=4))
#        1 
# 15.90724

【讨论】：