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!