predict

1熱度

1回答

我想知道如何在爲liblinear使用Java API時拯救所有的預測結果。由於這是有據可查的一個可以拯救預測與下面的代碼的準確性： Feature[] instance = new FeatureNode[5]; double prediction = Linear.predict(model, instance); 但我們如何運行時，搶救保存在一個文件中的結果是給我們其餘的人例如： .

6熱度

1回答

lm預測不會預測

我有2個數據幀。一個是訓練數據（pubs1），另一個是（pubs2）測試數據。我可以創建一個線性迴歸對象，但無法創建預測。這不是我第一次做這件事，也不知道發生了什麼問題。 > head(pubs1) id pred37 actual weight diff1 weightDiff1 pred1 pred2 pred3 pred4 1 11 128.3257 128.3990 6.4

4熱度

1回答

R：predict.lm（）不能識別物體

> reg.len <- lm(chao1.ave ~ lg.std.len, b.div) # b.div is my data frame imported from a CSV file > reg.len Call: lm(formula = chao1.ave ~ lg.std.len, data = b.div) Coefficients: (Intercept) lg.

2熱度

2回答

運行預測（）封裝內託比特（）AER

後，我做的一個數據集，其中因變量（可以稱之爲Y）一託比特分析留在截尾0，所以這是我做的： library(AER) fit <- tobit(data=mydata,formula=y ~ a + b + c) 這很好。現在我想運行「預測」函數來獲得擬合的值。理想情況下，我對未觀測的潛變量「y *」和觀察到的刪失變量「y」的預測值感興趣[參見參考文獻1]。我檢查了predict.survr

3熱度

3回答

R - 預測命令錯誤「未定義的列選擇」

我是R的新手，並且遇到R預測命令有問題。我收到此錯誤 Error in `[.data.frame`(newdata, , as.character(object$formula[[2]])) : undefined columns selected 當我執行這個命令： model.predict <- predict.boosting(model,newdata=test)

2熱度

1回答

Predict無法顯示預測的標準誤差，其中se.fit = TRUE

如幫助（predict.nls）中所述，當se.fit = TRUE時，應計算預測的標準誤差。但是，我的代碼在下面沒有顯示，但只是預測。 alloy <- data.frame(x=c(10,30,51,101,203,405,608,810,1013,2026,4052,6078, 8104,10130), y=c(0.3561333,0.3453,0.33

2熱度

1回答

如何使用R中

我試圖用具體數值預測概率來計算multinom（）預測，但-r顯示以下錯誤： Error in model.frame.default(Terms, newdata, na.action = na.omit, xlev = object$xlevels) : variable lengths differ (found for 'x') In addition: Warning mes

7熱度

4回答

警告計算預測值

當一個數據幀 x Date Val 1/1/2012 7 2/1/2012 9 3/1/2012 20 4/1/2012 24 5/1/2012 50 a <- seq(as.Date(tail(x, 1)$Date), by="month", length=5) a <- data.frame(a) x.lm <- lm(x$V

7熱度

3回答

如何從一個線性模型預測的x值（LM）

我有這組數據： x <- c(0, 40, 80, 120, 160, 200) y <- c(6.52, 5.10, 4.43, 3.99, 3.75, 3.60) 我計算出使用lm()線性模型：我想知道的預測值 model <- lm(y ~ x) x如果我有新的y值，例如ynew <- c(5.5, 4.5, 3.5)，但如果我使用predict()函數，它只會計算新的y值。如何

1熱度

1回答

predict（）對於type =「class」返回沒有任何結果可以正常工作type =「raw」

從兩個文件讀入訓練數據 - 一個只帶有獨立變量（df.train），另一個帶有實際對應的類僅值（df.churn）。這些值僅爲-1和1。然後，我刪除所有NA列並刪除任何找到的重複列。我將這兩組數據組合成一個獨立的數據框和類的數據框，然後運行naiveBayes（）沒有錯誤。使用naiveBayes生成的模型，我運行predict（）並注意type =「raw」的輸出看起來像合理的數據 - 在大多