为什么 R 中的 LM 预测函数会在我的输出中添加一行

Question

我正在尝试使用基于基本线性模型的 R 中的预测函数。我的测试集有 1459 个值，但是当我使用预测函数时，它创建了 1460 个值。我尝试从测试集中删除 NA，甚至尝试保留它们，但不知道这个值是从哪里来的。

如有任何帮助，我们将不胜感激。谢谢！

MODEL <- lm(train$SalePrice ~ train$LotArea * train$GarageArea * 
factor(train$FullBath) * train$YearBuilt * factor(train$OverallQual))



test_final <-read.csv("/Users/ERIC/Documents/HOUSING_PRICES/test.csv", 
        header = TRUE)


    na.omit(test_final)


    prediction <- data.frame(predict(MODEL, test_final))


    Warning messages:
    1: 'newdata' had 1459 rows but variables found have 1460 rows 
    2: In predict.lm(MODEL, test_final) :
    prediction from a rank-deficient fit may be misleading

数据来自：https://www.kaggle.com/c/house-prices-advanced-regression-techniques/data

Answer 1

首先，请注意：您必须重新分配 na.omit() 的输出以去除缺失值。

看这里：

df <- data.frame(x = c(1, 2, 3), y = c(0, 10, NA))
df
  x  y
1 1  0
2 2 10
3 3 NA
na.omit(df)
  x  y
1 1  0
2 2 10
df
  x  y
1 1  0
2 2 10
3 3 NA

如您所见，最后一次调用 df 向您展示了包含 NA 的初始版本。您将需要使用 df <- na.omit(df) 重新分配。

实际问题：

正如@42在评论中所指出的，正确使用公式将解决这个问题，即你不会再有这个错误信息了。但是，您将拥有一个不同的。首先，让我告诉你：

#read in the data
testdf <- read.csv("test.csv")
train <- read.csv("train.csv")

# run initial model, and run model as suggested by 42
model_original <- lm(train$SalePrice ~ train$LotArea * train$GarageArea * factor(train$FullBath) * train$YearBuilt * factor(train$OverallQual))

mod_42 <- lm(SalePrice ~ LotArea * GarageArea * factor(FullBath) * YearBuilt * factor(OverallQual), data = train)

现在，让我们运行预测：

prediction <- data.frame(predict(model_original, testdf))
Warning messages:
1: 'newdata' had 1459 rows but variables found have 1460 rows 
2: In predict.lm(model_original, testdf) :
  prediction from a rank-deficient fit may be misleading

这导致了与您相同的错误。现在，让我们运行使用第二种方法进行预测：

prediction <- data.frame(predict(mod_42, testdf))
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : 
  factor factor(FullBath) has new levels 4

请注意，现在的错误信息有所不同，指向了一个更有趣的问题。

为什么 R 中的 LM 预测函数会在我的输出中添加一行

Why would the LM Prediction function in R add a row to my output

r

prediction

kaggle