在R中使用GLM模型的日期提前

我有以下代碼可以使用外部空氣溫度和TOD（96分類變量，一天中的時間）在15分鐘的時間間隔內獲得負載消耗量的日提前預測。當我運行下面的代碼時，出現以下錯誤。在R中使用GLM模型的日期提前

i = 97:192 
    formula = as.formula(load[i] ~ load[i-96] + oat[i]) 
    model = glm(formula, data = train.set, family=Gamma(link=vlog()))

我得到以下錯誤的最後一行後使用GLM（），

Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : 
    contrasts can be applied only to factors with 2 or more levels

而且使用預測（）的最後一行後，下面的錯誤出現時，

Warning messages: 
1: In if (!se.fit) { : 
    the condition has length > 1 and only the first element will be used 
2: 'newdata' had 96 rows but variable(s) found have 1 rows 
3: In predict.lm(object, newdata, se.fit, scale = residual.scale, type = ifelse(type == : 
    prediction from a rank-deficient fit may be misleading 
4: In if (se.fit) list(fit = predictor, se.fit = se, df = df, residual.scale = sqrt(res.var)) else predictor : 
    the condition has length > 1 and only the first element will be used

來源

2013-06-23 Python_R

'我'代表什麼？你是想要適合一個模型，還是（192-97 + 1）= 96模型？ –

我代表15分鐘數據的間隔數。 train.set = dt.new [1：192，] test.set = dt.new [193：288，] –

因此，您想使用數據框中行的子集來擬合模型？ 'link = vlog'從哪裏來？ –

你以相當迂迴的方式做事，而且不能很好地做出樣本預測。如果要對行的子集建模，則可以直接使用data參數或使用subset參數。

train.set$load_lag <- c(rep(NA, 96), train.set$load[1:96]) 
mod <- glm(load ~ load_lag*TOD, data=train.set[97:192, ], ...)

您還需要重新考慮您正在做什麼與TOD。如果它有96個等級，那麼你對96個觀測值的擬合（至少）96個自由度不會給你一個明智的結果。

來源

2013-06-23 15:17:44

我正在想方法來精確地解釋'formula = as.formula（load [i]〜load [i-96] * TOD [i] + oat [i]'）是如何嚴重誤解公式的工作方式，但我能想到的最好的結果就是指出，這導致將模型擬合到單個數據點。 – joran

@紅Ooi謝謝你的幫助。我會稍微嘗試一下，如果它適用於我，我會讓你知道。 –

@joran你有什麼建議，你必須正確地適應模型？ –

在R中使用GLM模型的日期提前

回答

相關問題