predict() error: what can I do if one variable exists in training data but not in prediction data?

Question

我有一个包含以下变量的训练数据集

str(PairsTrain)

'data.frame':   1495698 obs. of  4 variables:  
            $ itemID_1        : int  1 4 8 12 15 19 20 20 22 26 ...  
            $ itemID_2        : int  4112648 1223296 2161930 5637025  113701         
            $ isDuplicate     : int  1 0 1 0 0 0 0 0 1 0 ...  
            $ generationMethod: int  1 1 1 1 1 1 1 1 1 1 ...

我使用逻辑回归 glm() 函数从这个数据集中学习

mod1 <- glm(isDuplicate ~., data = PairsTrain, family = binomial)

下面是我的测试数据集的结构：

str(Test)

'data.frame':   1044196 obs. of  3 variables:  
         $ id      : int  0 1 2 3 4 5 6 7 8 9 ...  
         $ itemID_1: int  5 5 6 11 23 23 30 31 36 47 ...  
         $ itemID_2: int  4670875 787210 1705280 3020777 5316130 3394969 2922567

我正在尝试对我的测试数据集进行预测，如下所示

PredTest <- predict(mod1, newdata = Test, type = "response")

Error in eval(expr, envir, enclos) : object 'generationMethod' not found

我收到上述错误。我在想我得到错误的原因是我的测试数据集中的特征数量与训练数据集不匹配。

我不确定我是否正确，我被困在这里，不知道如何处理这种情况。

Answer 1

好的，这就是您所需要的：

test$generationMethod <- 0

您的 test 中必须有变量 generationMethod！它已用于构建模型，因此 predict 在您进行预测时需要它。正如您所说，您在 test 中没有此变量，请使用上面的方法在 test 中创建此类变量。这对预测没有影响，因为该列全为0；但是，它将帮助您通过 predict.

的变量检查

或者，您可以考虑从模型开发中删除变量 generationMethod。尝试：

mod2 <- glm(isDuplicate ~ itemID_1 + itemID_2, data = PairsTrain,
            family = binomial)

predict() error: what can I do if one variable exists in training data but not in prediction data?

predict() error: what can I do if one variable exists in training data but not in prediction data?

r

regression

glm

lm

predict