predict

    0熱度

    1回答

    我有18個日期(例如,唯一的DAY,MONTH,YEAR)和10個變量。對於每個日期和變量(180個模型),我有一個lm模型(y = mx + b,其中y = value和x = pLength)。這些被存儲在一個列表中(即models)。 我想使用這些模型來預測值。我有data.frame(data.frame來接收值)與DAY,MONTH,YEAR,YEAR和pLength以下列,這裏我想要預

    2熱度

    1回答

    我在迴歸問題中測試kernlab包。當將ksvm對象傳遞給predict函數時,看起來是'Error in .local(object, ...) : test vector does not match model !的常見問題。然而,我只是找到了分類問題或不適用於我的問題的自定義內核的答案(我正在使用內置的迴歸)。我跑出來的想法在這裏,我的示例代碼: data <- matrix(rnorm(

    2熱度

    3回答

    我想用公式>r²=(x-h)2 +(y-k)2來計算半徑的預測間隔。圓的半徑,x,y,是高斯座標,h,k,標記擬合圓的中心。 # data x <- c(1,2.2,1,2.5,1.5,0.5,1.7) y <- c(1,1,3,2.5,4,1.7,0.8) # using nls.lm from minpack.lm (minimising the sum of squared resid

    4熱度

    2回答

    我在多個位置的時間序列上運行VAR。假設loc1,loc2和loc3是時間序列數據的列名。 fitVAR = VAR(data,p=order,type = "both", ic = "AIC") pred = predict(fitVAR,n.ahead = L) 我知道我可以通過pred$fcst$loc1[,1]等得到的天氣預報,但假設我要編寫一個函數來做到這一點這需要位置的名稱作爲一

    3熱度

    1回答

    我有這樣的構造: public Revaluator(File model,PrintStream ps) { modelFile=model; rsession=Rsession.newInstanceTry(ps, null); rsession.eval("library(e1071)"); rsession.load(modelFile); }

    5熱度

    2回答

    我有一個問題,我試圖解決沒有成功。兩天多的搜索,我沒有得到一個線索。對不起,如果答案是在那裏,我沒有找到它。 假設您從幾年前估計的舊模型中獲得邏輯斯諦方程迴歸(二元模型)。因此,您知道參數βk(k = 1,2,...,p),因爲它們是過去估計的。但是你沒有用於擬合模型的數據。 我的問題是:我可以在R中引入這個舊的估計對數模型作爲對象嗎(對應於邏輯迴歸模型)? 我想用「預測」函數來證明這個邏輯迴歸與

    24熱度

    5回答

    我使用脫字符創建模型。當完成訓練,我得到了以下警告: 警告消息: 在train.default(X,Y,權重= W,...):類級別的 至少有一個是無效的 - [R變量名稱;如果生成的類概率,這可能會導致錯誤,因爲變量的名稱將被轉換爲:X0,X1 變量的名稱是: str(train) 'data.frame': 7395 obs. of 30 variables: $ alchemy_cat

    2熱度

    2回答

    我的問題是下面這個question我問了幾個小時前。看這篇文章將有助於理解下面的問題。 我用1個響應變量和2個解釋變量建立模型,其中一個是因子。 在我的模型中,響應變量被轉換。我想在圖表上顯示我的變量,但我希望解釋變量不被轉換。此外,我想添加我的模型給出的預測線,爲此目的應該進行迴歸轉換!並且要添加一個更小的難度,我想在ggplot上完成。 我的問題是如何將@Roland's solution擴展

    1熱度

    1回答

    我期待着我在這裏忽略一些顯而易見的事情。 我試圖建立過度擬合的演示。我有一個二次生成函數,我已經繪製了20個樣本,現在我想要擬合遞增程度的多項式線性模型到採樣數據。 由於某種原因,無論我使用哪種模型,每次運行predict時,都會返回N個預測值,其中N是用於訓練模型的記錄數。無論多項式的式中的程度,其中包括簡單的情況'y~x'的 set.seed(123) N=20 xv = seq(1,5,

    1熱度

    1回答

    我正在使用脫字符號來匹配gbm模型。當我撥打trainedGBM$finalModel$fit時,我得到的輸出顯示正確。 但是當我打電話給predict(trainedGBM$finalModel, origData, type="response")時,我得到了非常不同的結果,並且predict(trainedGBM$finalModel, type="response")即使附加了origDa