如何使用根据存储在R中的列表中的模型进行预测？

Question

我有一个数据框架dfab ，其中包含2列，我将它们用作生成一系列线性模型的参数，如下所示：

models = list()
for (i in 1:10){
    models[[i]] = lm(fc_ab10 ~ (poly(nUs_ab, i)), data = dfab)
}

dfab有32个观察值，我只想预测1个值的fc_ab10。

我想这样做：

newdf = data.frame(newdf = nUs_ab)
newdf[] = 0
newdf[1,1] = 56
prediction = predict(models[[1]], newdata = newdf)

首先，我尝试将newdf编写为仅具有一个位置的数据框，但是由于构建模型的数据集中有32个位置，因此我认为我也必须至少提供32个点。 我认为这不是必需的。

每次我运行这段代码时，都会出现以下错误：

错误：变量'poly（nUs_ab，i）符合类型“ nmatrix.1”，但提供了“数值”类型。 另外：警告消息：在Z / rep（sqrt（norm2 [-1L]）中，每个= length（x））：较长的对象长度不是较短的对象长度的倍数

我以为我需要使用的预测是LM模型，在以列命名的数据框中给出的预测变量（数字56）。 显然，我错了。

如何解决此问题？

谢谢。

Answer 1

newdf应该是列名称为nUs_ab ，否则R将无法知道要对哪一列进行操作（即生成预测设计矩阵）。 所以下面的代码应该工作

newdf = data.frame(nUs_ab = 56)
prediction = predict(models[[1]], newdata = newdf)