R-如何根据人工数据预测值

Question

我对如何根据人工数据预测值感到有些困惑，所以这是我的问题。

我正在尝试使用以下数据进行简单的线性回归（预测）：

set.seed(1)
x.train<-runif(1000,0,2)
eps.train<-rnorm(1000,sd=0.1)
y.train<-sin(x.train)+eps.train
model<-lm(y.train~x.train)
confint(modelo,level=0.95)

所以现在，我想我必须做些类似的事情：

set.seed(16)
x.test<-data.frame(runif(100,0,2))
eps.test<-rnorm(100,sd=0.1)
y.test<-sin(x.test)+eps.test
linear_prediction<-predict(model, x.test, interval="prediction")

为了澄清起见，我想使用大小为100的测试数据从大小为1000的“原始”数据中进行预测。

我知道我在代码的第二部分做错了什么，但我自己无法解决。 我将不胜感激。 提前致谢。

Answer 1

线性回归模型中的变量称为x.train 。 例如，打印模型可以得到

model

Call:
lm(formula = y.train ~ x.train)

Coefficients:
(Intercept)      x.train  
     0.2246       0.4809  

但是，在经过testdata ，变量名是runif.100..0..2. 。 为了避免出现警告消息，只需更改测试数据中的变量名称，然后重新运行预测即可。

colnames(x.test) = c("x.train") 
linear_prediction<-predict(model, x.test, interval="prediction")