GLM：警告消息：'newdata' 有 16623 行，但找到的变量有 22488 行

Question

我在论坛上四处搜寻，找到了很多这样的文章，但是，none 解决了我的问题。

现在，我转向你。

我有类似的数据：

ontime currency incoterms price month
1      USD      FOB       234.2    01
1      CAD      FOB        92.4    01
0      USD      DAP       238.9    02
0      EUR      FOB       100      03
1      CNY      DAP       739.8    04

我这个代码：

g = df$ontime      #binary
a = df$currency    #String
b = df$INCOTERMS   #String
c = df$price       #float
f = df$month       #string

mod1 <- glm(g~a+b+c,family=binomial(link="logit"), data=df[f=="01",])
pred_ontime1 <- predict(mod1,df[f%in%c("02","03","04"),],type="response")

我的愿望是测试我的模型，我用第 01 个月、第 02 个月、第 03 个月和第 04 个月的数据进行训练。

然而我的结果是这样的：

Warning message:
'newdata' had 16623 rows but variables found have 22488 rows

我试过在 01 月训练并在 01、02、03 和 04 测试，但没有给我错误消息，但是，测试我的训练集中包含的数据似乎不合适。

数值16623当然是02、03、04行数的总和，而22488是01、02、03、04行数的总和。

我能做什么？

Answer 1

尝试运行模型而不先将每一列保存到向量中。我认为 predict() 无法判断它与它所建模的变量名称相同。

mod1 <- glm(ontime ~ currency + INCOTERMS + price, family = binomial(link = "logit"), data = df[df$month == "01",])
pred_ontime1 <- predict(mod1,df[df$month %in% c("02","03","04"),], type = "response")

看看是否可行。

这里是任何感兴趣的人的可复制示例：

df <- read.table(textConnection("ontime currency incoterms price month
0      USD      DAP       234.2    01
                          1      CAD      FOB        92.4    01
                          0      USD      DAP       238.9    02
                          0      USD      FOB       100      03
                          1      CAD      DAP       739.8    04"), header = TRUE)

mod1 <- glm(ontime ~ currency + incoterms + price, family = binomial(link = "logit"), data = df[df$month == 1,])
pred_ontime1 <- predict(mod1, df[df$month %in% c(2:4),], type = "response")
pred_ontime1
           3            4            5 
5.826215e-11 5.826215e-11 1.000000e+00

Answer 2

这里我生成了一些看起来像你的问题的伪数据作为数据框 df:

currency <- c('USD','CAD','CAD','EUR','CNY','USD','EUR','CNY')
incoterms <- c('FOB','FOB','DAP','DAP','FOB','DAP','FOB','DAP')
month <- c('01','01','01','01','01','02','03','04')
df <- data.frame(currency, incoterms, month)
df <- rbind(df,df,df,df)
df$price <- rnorm(nrow(df), 200, 50)
df$ontime <- rbinom(nrow(df), 1, 0.5)

然后我继续装mod1。重要的是，我没有将每个预测变量定义为向量，我只是从数据框中按名称提取它们，该数据框已被子集化为仅包含第一个月。

mod1 <- glm(ontime ~ currency + incoterms + price, data = df[month == '01',])

以下预测函数现在可以正常运行：

pred <- predict(mod1, df[month %in% c('02','03','04'),], type = 'response')

GLM：警告消息：'newdata' 有 16623 行，但找到的变量有 22488 行

GLM: Warning message: 'newdata' had 16623 rows but variables found have 22488 rows

r

machine-learning

glm