预测（） – 也许我不理解它
我今天早些时候发布了一个使用predict函数的错误。 我得到了纠正，并认为我是在正确的道路上。
我有一些观察（实际），我有几个数据点，我想外推或预测。 我用lm创build了一个模型，然后我试着用predict的实际值作为预测input。
这个代码是从我以前的post重复，但这里是：
df <- read.table(text = ' Quarter Coupon Total 1 "Dec 06" 25027.072 132450574 2 "Dec 07" 76386.820 194154767 3 "Dec 08" 79622.147 221571135 4 "Dec 09" 74114.416 205880072 5 "Dec 10" 70993.058 188666980 6 "Jun 06" 12048.162 139137919 7 "Jun 07" 46889.369 165276325 8 "Jun 08" 84732.537 207074374 9 "Jun 09" 83240.084 221945162 10 "Jun 10" 81970.143 236954249 11 "Mar 06" 3451.248 116811392 12 "Mar 07" 34201.197 155190418 13 "Mar 08" 73232.900 212492488 14 "Mar 09" 70644.948 203663201 15 "Mar 10" 72314.945 203427892 16 "Mar 11" 88708.663 214061240 17 "Sep 06" 15027.252 121285335 18 "Sep 07" 60228.793 195428991 19 "Sep 08" 85507.062 257651399 20 "Sep 09" 77763.365 215048147 21 "Sep 10" 62259.691 168862119', header=TRUE) str(df) 'data.frame': 21 obs. of 3 variables: $ Quarter : Factor w/ 24 levels "Dec 06","Dec 07",..: 1 2 3 4 5 7 8 9 10 11 ... $ Coupon: num 25027 76387 79622 74114 70993 ... $ Total: num 132450574 194154767 221571135 205880072 188666980 ...
码：
model <- lm(df$Total ~ df$Coupon, data=df) > model Call: lm(formula = df$Total ~ df$Coupon) Coefficients: (Intercept) df$Coupon 107286259 1349
预测代码（基于以前的帮助）：
（这些是我想用来获得预测值的预测值）
Quarter = c("Jun 11", "Sep 11", "Dec 11") Total = c(79037022, 83100656, 104299800) Coupon = data.frame(Quarter, Total) Coupon$estimate <- predict(model, newdate = Coupon$Total)
现在，当我运行它，我得到这个错误消息：
Error in `$<-.data.frame`(`*tmp*`, "estimate", value = c(60980.3823396919, : replacement has 21 rows, data has 3
我用来build立模型的原始数据框架中有21个观测值。 我现在试图根据模型预测3个值。
我要么没有真正理解这个function，要么在我的代码中有错误。
帮助将不胜感激。
谢谢
首先，你要使用
model <- lm(Total ~ Coupon, data=df)
不是 model <-lm(df$Total ~ df$Coupon, data=df) 。
其次，通过说lm(Total ~ Coupon) ，你正在拟合一个使用Total作为响应variables的模型，以Coupon作为预测。 也就是说，您的模型的forms为Total = a + b*Coupon ，其中a和b是要估计的系数。 请注意，响应在~的左侧，以及在右侧的预测variables。
因此，当您要求R给出模型的预测值时，您必须提供一组新的预测值，即Coupon新值，而不是Total 。
第三，根据你对新数据的规定来判断，看起来你实际上是在一个模型之后，把Coupon作为Total的函数，而不是相反。 去做这个：
model <- lm(Coupon ~ Total, data=df) new.df <- data.frame(Total=c(79037022, 83100656, 104299800)) predict(model, new.df)
谢谢洪，那正是我遇到的问题。 你得到的错误表明行数是错误的，但是问题实际上是模型已经用一个命令来训练，这个命令的参数名称是错误的。
这实际上是一个非常关键的细节，对于LM等是完全不明显的。 一些教程引用了像lm(olive$Area@olive$Palmitic)这样的行 – 以橄榄$ Area NOT Area的variables名结束，所以使用anewdata<-data.frame(Palmitic=2)创build一个条目那就不要用了。 如果你使用lm(Area@Palmitic,data=olive)那么variables名是正确的，并且预测工作。
真正的问题是，错误消息根本不表示问题：
警告消息：'anewdata'有1行，但发现variables有X行
而不是在预测代码中使用newdate，则validation一次。 并使用Coupon$estimate <- predict(model, Coupon)它将工作。
为了避免错误，关于新数据集的重要一点是自variables的名称。 它必须与模型中报告的相同。 另一种方法是嵌套两个函数而不创build新的数据集
model <- lm(Coupon ~ Total, data=df) predict(model, data.frame(Total=c(79037022, 83100656, 104299800)))
