[英]R - How to predict values from an artificial data
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。
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")
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.