predict() 函数使用 R 中线性模型的因子抛出错误

Question

我正在使用“肺活量”数据集来尝试建立一个线性模型：

library(tidyverse)
library(rvest)
h <- "https://docs.google.com/spreadsheets/d/0BxQfpNgXuWoIWUdZV1ZTc2ZscnM/edit?resourcekey=0-gqXT7Re2eUS2JGt_w1y4vA#gid=1055321634"
t <- rvest::read_html(h)
Nodes <- t %>% html_nodes("table")
table <- html_table(Nodes[[1]])
colnames(table) <- table[1,]
table <- table[-1,]
table <- table %>% select(LungCap, Age, Height, Smoke, Gender, Caesarean)
Lung_Capacity <- table

Lung_Capacity$LungCap <- as.numeric(Lung_Capacity$LungCap)
Lung_Capacity$Age <- as.numeric(Lung_Capacity$Age)
Lung_Capacity$Height <- as.numeric(Lung_Capacity$Height)
Lung_Capacity$Smoke <- as.numeric(Lung_Capacity$Smoke == "yes")
Lung_Capacity$Gender <- as.numeric(Lung_Capacity$Gender == "male")
Lung_Capacity$Caesarean <- as.numeric(Lung_Capacity$Caesarean == "yes")

colnames(Lung_Capacity)[4] <- "Smoker_YN"
colnames(Lung_Capacity)[5] <- "Male_YN"
colnames(Lung_Capacity)[6] <- "Caesarean_YN"
head(Lung_Capacity)
Capacity <- Lung_Capacity

我将数据拆分为训练集和验证集：

library(caret)
set.seed(1)
y <- Capacity$LungCap
testIndex <- caret::createDataPartition(y, times = 1, p = 0.2, list = FALSE)

train <- Capacity[-testIndex,]
test <- Capacity[testIndex,]

交叉验证以获得我的最终模型：

set.seed(3)
control <- trainControl(method="cv", number = 5)
LinearModel <- train(LungCap ~ ., data = train, method = "lm", trControl = control)
LM <- LinearModel$finalModel
summary(LM)

并尝试对保留的测试集进行预测：

lmPredictions <- predict(LM, newdata = test)

但是，抛出了一个错误，内容如下：

eval(predvars, data, env) 中的错误：找不到对象“Smoker_YN1”

浏览这个网站，我认为 test 和 train 表的列名可能已经关闭，但事实并非如此，它们是相同的。 问题似乎是训练模型已将因子预测变量重命名为“Smoker_YN1”，而不是预期的列名称“Smokey_YN”。 我尝试重命名测试集中的列标题，并尝试重命名系数标题。 这两种方法都没有成功。

我已经用完了研究和实验方法，有人可以帮忙解决这个问题吗？

Answer 1

我不确定。 请仔细告诉我：我的猜测（我不是专家， LungCap字符和Lung数字是否会干扰此代码）：

h <- "https://docs.google.com/spreadsheets/d/0BxQfpNgXuWoIWUdZV1ZTc2ZscnM/edit?resourcekey=0-gqXT7Re2eUS2JGt_w1y4vA#gid=1055321634"
#install.packages("textreadr")
library(textreadr)
library(rvest)
t <- read_html(h)
t
Nodes <- t %>% html_nodes("table")
table <- html_table(Nodes[[1]])
colnames(table) <- table[1,]
table <- table[-1,]
table <- table %>% select(LungCap, Age, Height, Smoke, Gender, Caesarean)
Lung_Capacity <- table


# I changed Lung_Capacity$LungCap <- as.numeric(Lung_Capacity$LungCap) to
Lung_Capacity$Lung <- as.numeric(Lung_Capacity$LungCap)

Lung_Capacity$Age <- as.numeric(Lung_Capacity$Age)
Lung_Capacity$Height <- as.numeric(Lung_Capacity$Height)
Lung_Capacity$Smoke <- as.numeric(Lung_Capacity$Smoke == "yes")
Lung_Capacity$Gender <- as.numeric(Lung_Capacity$Gender == "male")
Lung_Capacity$Caesarean <- as.numeric(Lung_Capacity$Caesarean == "yes")

colnames(Lung_Capacity)[4] <- "Smoker_YN"
colnames(Lung_Capacity)[5] <- "Male_YN"
colnames(Lung_Capacity)[6] <- "Caesarean_YN"
head(Lung_Capacity)
# I changed to
Capacity <- Lung_Capacity
Capacity

library(caret)
set.seed(1)
# I changed y <- Capacity$LungCap to 
y <- Capacity$Lung
testIndex <- caret::createDataPartition(y, times = 1, p = 0.2, list = FALSE)

train <- Capacity[-testIndex,]
test <- Capacity[testIndex,]

# I removed 
train$LungCap <- NULL
test$LungCap <- NULL

set.seed(3)
control <- trainControl(method="cv", number = 5)
# I changed LungCap to Lung 
LinearModel <- train(Lung ~ ., data = train, method = "lm", trControl = control)
LM <- LinearModel$finalModel
summary(LM)

lmPredictions <- predict(LM, newdata = test)
lmPredictions

输出：

        1         2         3         4         5         6         7 
 6.344355 10.231586  4.902900  7.500179  5.295711  9.434454  8.879997 
        8         9        10        11        12        13        14 
12.227635 11.097691  7.775063  8.085810  6.399364  7.852107  9.480219 
       15        16        17        18        19        20 
 8.982051 10.115840  7.917863 12.089960  7.838881  9.653292