R-如何根據人工數據預測值

Question

我對如何根據人工數據預測值感到有些困惑，所以這是我的問題。

我正在嘗試使用以下數據進行簡單的線性回歸（預測）：

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)

所以現在，我想我必須做些類似的事情：

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")

為了澄清起見，我想使用大小為100的測試數據從大小為1000的“原始”數據中進行預測。

我知道我在代碼的第二部分做錯了什么，但我自己無法解決。 我將不勝感激。 提前致謝。

Answer 1

線性回歸模型中的變量稱為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，在經過testdata ，變量名是runif.100..0..2. 。 為了避免出現警告消息，只需更改測試數據中的變量名稱，然后重新運行預測即可。

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