使用新数据 returns 拟合值评估线性模型

Question

我正在构建和评估我的模型，如下所示。

yData <- rnorm(10)
xData <- matrix(rnorm(20), 10, 2)
polyModel <- lm(yData~polym(xData, degree=2, raw=T))
newData <- matrix(rnorm(100), 50, 2)
yPredicted <- predict(polyModel, polym(newData, degree=2, raw=T))

但是，模型评估 yPredicted 恰好等于拟合值 polyModel$fitted.values，一个长度为 10 的向量。在这种情况下，我期望 yPredicted 是一个长度为 50 的向量.如果能提供一些帮助，我们将不胜感激。

Answer 1

除非数据在 data 参数中指定，否则

predict() 不能很好地工作。这似乎有效：

polyModel <- lm(yData~poly(V1, V2, degree=2, raw=TRUE),
                data=as.data.frame(xData))
length(fitted(polyModel))  ## 10
newData <- matrix(rnorm(100), 50, 2)
yPredicted <- predict(polyModel, newdata=as.data.frame(newData))
length(yPredicted) ## 50

V1 和 V2 是将矩阵转换为数据框时指定的默认列名称。
如果您要将未知的 and/or 大量列放入多项式（例如 poly(V1, ..., V1000, degree=2, raw=TRUE)）

如果您事先不知道列数，稍微 hacky 的解决方案是：

f <- as.formula(sprintf("yData~poly(%s, degree=2, raw=TRUE)",
           paste("V", seq(ncol(xData)), sep="", collapse=", "))
polyModel <- lm(f, data=as.frame(xData))

（未经测试）

使用新数据 returns 拟合值评估线性模型

Evaluating linear model with new data returns fitted values

r

predict

lm

poly