Predecir() - Quizás no lo entiendo
Hoy publiqué sobre un error que recibí al usar la predictfunción. Pude corregirlo y pensé que estaba en el camino correcto.
Tengo una serie de observaciones (reales) y tengo algunos puntos de datos que quiero extrapolar o predecir. Solía lmcrear un modelo, luego intenté usarlo predictcon el valor real que servirá como entrada del predictor.
Todo este código se repite de mi publicación anterior, pero aquí está:
df <- read.table(text = '
Quarter Coupon Total
1 "Dec 06" 25027.072 132450574
2 "Dec 07" 76386.820 194154767
3 "Dec 08" 79622.147 221571135
4 "Dec 09" 74114.416 205880072
5 "Dec 10" 70993.058 188666980
6 "Jun 06" 12048.162 139137919
7 "Jun 07" 46889.369 165276325
8 "Jun 08" 84732.537 207074374
9 "Jun 09" 83240.084 221945162
10 "Jun 10" 81970.143 236954249
11 "Mar 06" 3451.248 116811392
12 "Mar 07" 34201.197 155190418
13 "Mar 08" 73232.900 212492488
14 "Mar 09" 70644.948 203663201
15 "Mar 10" 72314.945 203427892
16 "Mar 11" 88708.663 214061240
17 "Sep 06" 15027.252 121285335
18 "Sep 07" 60228.793 195428991
19 "Sep 08" 85507.062 257651399
20 "Sep 09" 77763.365 215048147
21 "Sep 10" 62259.691 168862119', header=TRUE)
str(df)
'data.frame': 21 obs. of 3 variables:
$ Quarter : Factor w/ 24 levels "Dec 06","Dec 07",..: 1 2 3 4 5 7 8 9 10 11 ...
$ Coupon: num 25027 76387 79622 74114 70993 ...
$ Total: num 132450574 194154767 221571135 205880072 188666980 ...
Código:
model <- lm(df$Total ~ df$Coupon, data=df)
> model
Call:
lm(formula = df$Total ~ df$Coupon)
Coefficients:
(Intercept) df$Coupon
107286259 1349
Código de predicción (basado en ayuda anterior):
(Estos son los valores predictores que quiero usar para obtener el valor previsto)
Quarter = c("Jun 11", "Sep 11", "Dec 11")
Total = c(79037022, 83100656, 104299800)
Coupon = data.frame(Quarter, Total)
Coupon$estimate <- predict(model, newdate = Coupon$Total)
Ahora, cuando lo ejecuto, aparece este mensaje de error:
Error in `$<-.data.frame`(`*tmp*`, "estimate", value = c(60980.3823396919, :
replacement has 21 rows, data has 3
El marco de datos original que utilicé para construir el modelo tenía 21 observaciones. Ahora estoy intentando predecir 3 valores según el modelo.
O no entiendo realmente esta función o tengo un error en mi código.
Se agradecería la ayuda.
Gracias
Primero, quieres usar
model <- lm(Total ~ Coupon, data=df)
no model <-lm(df$Total ~ df$Coupon, data=df) .
En segundo lugar, al decir lm(Total ~ Coupon), estás ajustando un modelo que utiliza Totalcomo variable de respuesta, con Couponcomo predictor. Es decir, su modelo tiene la forma Total = a + b*Coupon, con ay blos coeficientes a estimar. Tenga en cuenta que la respuesta va en el lado izquierdo del ~y los predictores en el derecho.
Debido a esto, cuando le pide a R que le proporcione valores predichos para el modelo, debe proporcionar un conjunto de nuevos valores predictores , es decir, nuevos valores de Coupon, no Total.
En tercer lugar, a juzgar por su especificación de newdata, parece que en realidad está buscando un modelo que se ajuste Couponen función de Total, y no al revés. Para hacer esto:
model <- lm(Coupon ~ Total, data=df)
new.df <- data.frame(Total=c(79037022, 83100656, 104299800))
predict(model, new.df)
Gracias Hong, ese era exactamente el problema con el que me estaba encontrando. El error que obtiene sugiere que el número de filas es incorrecto, pero el problema en realidad es que el modelo ha sido entrenado usando un comando que termina con nombres incorrectos para los parámetros.
Este es realmente un detalle crítico que no es del todo obvio para películas y demás. Parte del tutorial hace referencia a líneas como lm(olive$Area@olive$Palmitic): terminar con nombres de variables de olive$Area NO Área, por lo que anewdata<-data.frame(Palmitic=2)no se puede usar la creación de una entrada usando. Si lo usa lm(Area@Palmitic,data=olive), los nombres de las variables son correctos y la predicción funciona.
El verdadero problema es que el mensaje de error no indica el problema en absoluto:
Mensaje de advertencia: 'anewdata' tenía 1 fila pero se encontró que las variables tenían X filas
Para evitar errores, un punto importante sobre el nuevo conjunto de datos es el nombre de la variable independiente. Debe ser el mismo que el reportado en el modelo. Otra forma es anidar las dos funciones sin crear un nuevo conjunto de datos.
model <- lm(Coupon ~ Total, data=df)
predict(model, data.frame(Total=c(79037022, 83100656, 104299800)))
Presta atención al modelo. Los siguientes dos comandos son similares, pero para la función de predicción, el primero funciona y el segundo no.
model <- lm(Coupon ~ Total, data=df) #Ok
model <- lm(df$Coupon ~ df$Total) #Ko
en lugar de newdata, está utilizando newdate en su código de predicción, verifique una vez. y solo úsalo. Coupon$estimate <- predict(model, Coupon)
Funcionará.
