如何操作GLM对象以绕过此错误?我想对于预测治疗看不见的水平基础的情况下如何操作R中的GLM系数?
> master <- data.frame(x = factor(floor(runif(100,0,3)), labels=c("A","B","C")), y = rnorm(100))
> part.1 <- master[master$x == 'C',]
> part.2 <- master[master$x == 'A' | master$x == 'B',]
> model.2 <- glm(y ~ x, data=part.2)
> predict.1 <- predict(model.2, part.1)
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) : factor 'x' has new level(s) C
我试着这样做(即,给他们的系数为零。):
> model.2$xlevels$x <- c(model.2$xlevels, "C")
> predict.1 <- predict(model.2, part.1)
但它不进球模型正确:
> predict.1[1:5]
2 3 6 8 10
0.03701494 0.03701494 0.03701494 0.03701494 0.03701494
> summary(model.2)
Call:
glm(formula = y ~ x, data = part.2)
<snip>
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.12743 0.18021 0.707 0.482
xB -0.09042 0.23149 -0.391 0.697
predict.1应该只有0.12743。
这显然只是一个修剪版本 - 我的真实模型中有25个左右的变量,所以predict.1 <- rep(length(part.1), 0.12743)
的答案对我没有用处。
感谢您的帮助!
嗯。这可以通过黑客来实现,但相当棘手。你能给出更多的上下文吗? –
本质上,我正在根据协变量建立两个单独的预测模型。如果我可以对整个数据集进行模型预测,而不仅仅是他们所模拟的一半,那么这将大大简化我的评分和评估代码。 – notrick
你在做什么没有意义。你用来预测的数据不包含'x = C'。所以当'x = C'时,你无法用它来预测'y'。这就像建立一个平日的销售模式,并要求它预测周末的销售情况。如果您希望将数据集分解为校准样本和验证样本,则需要这样做,使得两个样本都包含相似的协变量分布。 – Ramnath