带 boxcox 的线性模型，用于带零的数据框。无法预测所需值
Linear model with boxcox for data frame with zeros. Unable to predict for required values
我正在尝试使用 boxcox 来规范化我拥有的数据。但是我生成了一个无法在我想要的条件下进行预测的模型。为什么会这样？
我有一个数据框：
a<-data.frame(Output=c(0.065,8.00,2.320,0.128,42.500,35.200,18.200,2.94,1.68,13.90,43.50,3.810,2.600),
Carbon=c(20.0,22.5,10.0,7.0,35.0,20.,35.0,2.0,10.0,25.0,30.0,10.0,8.0),
Cooling=c(0.0,50.0,12.0,0.0,12.70,12.70,5.0,2.0,0.00,0.00,12.70,10.00,14.69),
Drying=c(0.0,70.00,0.00,0.00,0.90,0.90,0.90,55.80,0.00,0.00,0.90,15.00,35.56))
使用以下库：
library(MASS)
我运行以下代码：
bc<-boxcox(a$Output~a$Cooling*a$Drying+a$Carbon)
lambda<-bc$x[which.max(bc$y)]
new.model<-lm(((a$Output^lambda-1)/lambda)~a$Drying*a$Cooling+a$Carbon)
数据集中有零，想要对它们进行 t运行 变形，以便我得到正态性。有了这个，我想建立一个预测模型并测试以下条件的“输出”：
碳=2，冷却=10，干燥=20
但是，我的输出中总是出现 NaN。是我做错了 t运行 还是模型有缺陷？
我认为你不应该像以前那样使用 $，因为如果你那样使用，系数的创建就像 a$some_variable，而预测变量的名称却是 some_variable不是 a$some_variable 在您给定的测试记录中，您可以尝试以下方法。如果它解决了您的问题，请告诉我。
bc<-boxcox(Output~ Cooling* Drying + Carbon, data=a)
lambda<-bc$x[which.max(bc$y)]
a$lambda <- lambda
new.model<-lm(((Output^lambda-1)/lambda)~Drying* Cooling+ Carbon, data=a)
predict(new.model, data.frame(Carbon=2, Cooling=10, Drying=10, lambda = lambda))
输出:
1
0.1812739866
看看当你对 lms 使用 $ 方法时会发生什么：
Estimate Std. Error t value Pr(>|t|)
(Intercept) -3.141173410 1.342601277 -2.33962 0.0474440 *
a$Drying 0.060882585 0.039681152 1.53429 0.1635024
a$Cooling 0.275926915 0.102135431 2.70158 0.0270079 *
a$Carbon 0.219900733 0.059038120 3.72472 0.0058317 **
a$Drying:a$Cooling -0.004854491 0.001593430 -3.04657 0.0159038 *
但是如果没有 $，这看起来像：
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -3.141173410 1.342601277 -2.33962 0.0474440 *
Drying 0.060882585 0.039681152 1.53429 0.1635024
Cooling 0.275926915 0.102135431 2.70158 0.0270079 *
Carbon 0.219900733 0.059038120 3.72472 0.0058317 **
Drying:Cooling -0.004854491 0.001593430 -3.04657 0.0159038 *
我正在尝试使用 boxcox 来规范化我拥有的数据。但是我生成了一个无法在我想要的条件下进行预测的模型。为什么会这样？
我有一个数据框：
a<-data.frame(Output=c(0.065,8.00,2.320,0.128,42.500,35.200,18.200,2.94,1.68,13.90,43.50,3.810,2.600),
Carbon=c(20.0,22.5,10.0,7.0,35.0,20.,35.0,2.0,10.0,25.0,30.0,10.0,8.0),
Cooling=c(0.0,50.0,12.0,0.0,12.70,12.70,5.0,2.0,0.00,0.00,12.70,10.00,14.69),
Drying=c(0.0,70.00,0.00,0.00,0.90,0.90,0.90,55.80,0.00,0.00,0.90,15.00,35.56))
使用以下库：
library(MASS)
我运行以下代码：
bc<-boxcox(a$Output~a$Cooling*a$Drying+a$Carbon)
lambda<-bc$x[which.max(bc$y)]
new.model<-lm(((a$Output^lambda-1)/lambda)~a$Drying*a$Cooling+a$Carbon)
数据集中有零，想要对它们进行 t运行 变形，以便我得到正态性。有了这个，我想建立一个预测模型并测试以下条件的“输出”： 碳=2，冷却=10，干燥=20
但是，我的输出中总是出现 NaN。是我做错了 t运行 还是模型有缺陷？
我认为你不应该像以前那样使用 $，因为如果你那样使用，系数的创建就像 a$some_variable，而预测变量的名称却是 some_variable不是 a$some_variable 在您给定的测试记录中，您可以尝试以下方法。如果它解决了您的问题，请告诉我。
bc<-boxcox(Output~ Cooling* Drying + Carbon, data=a)
lambda<-bc$x[which.max(bc$y)]
a$lambda <- lambda
new.model<-lm(((Output^lambda-1)/lambda)~Drying* Cooling+ Carbon, data=a)
predict(new.model, data.frame(Carbon=2, Cooling=10, Drying=10, lambda = lambda))
输出:
1
0.1812739866
看看当你对 lms 使用 $ 方法时会发生什么：
Estimate Std. Error t value Pr(>|t|)
(Intercept) -3.141173410 1.342601277 -2.33962 0.0474440 *
a$Drying 0.060882585 0.039681152 1.53429 0.1635024
a$Cooling 0.275926915 0.102135431 2.70158 0.0270079 *
a$Carbon 0.219900733 0.059038120 3.72472 0.0058317 **
a$Drying:a$Cooling -0.004854491 0.001593430 -3.04657 0.0159038 *
但是如果没有 $，这看起来像：
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -3.141173410 1.342601277 -2.33962 0.0474440 *
Drying 0.060882585 0.039681152 1.53429 0.1635024
Cooling 0.275926915 0.102135431 2.70158 0.0270079 *
Carbon 0.219900733 0.059038120 3.72472 0.0058317 **
Drying:Cooling -0.004854491 0.001593430 -3.04657 0.0159038 *