4

我试图通过使用 R包mpg中的岭回归来根据许多变量来预测汽车。glmnet我已经将数据分为训练数据和测试数据,并对分类变量进行了虚拟编码。

我拟合了一个交叉验证模型,如下所示:

require("glmnet")

x <- as.matrix(data.frame(cylinderDummy[,2:ncol(cylinderDummy)], trainData$displacement,
            trainData$horsepower, trainData$weight, trainData$acceleration,
            originDummy[,2:ncol(originDummy)]))
y <- trainData$mpg
cv.fit <- cv.glmnet(x, y, alpha = 1, nfolds=5,type.measure="mse")

一切都很好,但是,当我尝试对predict()拟合模型的测试数据使用该函数时,就会出现问题:

prediction <- predict(cv.fit, testData$mpg, s="lambda.1se")

我收到以下错误:

Error in as.matrix(cbind2(1, newx) %*% nbeta) : 
error in evaluating the argument 'x' in selecting a method for function 'as.matrix': 
Error in t(.Call(Csparse_dense_crossprod, y, t(x))) : 
error in evaluating the argument 'x' in selecting a method for function 't': 
Error: Cholmod error 'X and/or Y have wrong dimensions' at file
../MatrixOps/cholmod_sdmult.c, line 90

谁能告诉我我做错了什么??谢谢!

4

1 回答 1

3
prediction <- predict(cv.fit, testData$mpg, s="lambda.1se")

似乎 testData$mpg 是一个向量,模型应该使用整个 testdata 集来预测而不是单个 mpg 值。

在您的情况下,它应该类似于

testdata <- as.matrix(data.frame(cylinderDummy[,2:ncol(cylinderDummy)], testData$displacement,
        testData$horsepower, testData$weight, testData$acceleration,
        originDummy[,2:ncol(originDummy)]))
prediction <- predict(cv.fit, testData, s="lambda.1se")
于 2014-02-18T05:49:43.950 回答