我正在尝试提取为我的工作设计的模型的参数，但在这样做时遇到了麻烦。我将使用 R 提供的虹膜数据作为示例数据集。

我拉入数据：

我设计了一个采用 Sepal Width 和 Length 的模型，并确定给定 Sepal Length 的最佳模型拟合来确定 Sepal Width （这可能是数据集的一个坏例子，我没有太注意起始参数，但我几乎可以肯定这不应该影响回答这个问题的难度）。为每个物种生产一个模型：

这会生成一个数据框，其中一列是 Species，另一列是模型。在模型列中，每个模型在每一行中都由一个大列表表示，我无法从中提取其基本数据。我想直接使用参数，作为使用这些模型表示和生成数据的更干净和可重复的方式。如何从这些模型中提取 a 和 b 参数？有没有这样做的功能，还是我需要深入研究每个模型的代码？此外，该列表中是否有任何数据将其与特定物种相关联，或者它是否仅与在同一行中发现的物种直接相关？

我想使用 R 中 propogate 包中的 predictNLS 围绕大量拟合值建立置信区间。例如，我将使用它们在函数描述中引用的数据集（https://rdrr.io/github/anspiess /propagate/man/predictNLS.html )、DNase，并构建一个将值 conc 和 density 作为特征的模型：

然后我想给每一行分配它的模型，以便可以添加预测：

添加预测：

然后，我想添加 predictNLS 似乎提供的置信区间数据，方法是为其提供相同的数据并要求它为 predict_density 列中的每个拟合点提供置信区间：

但是，会出现以下错误：

as.list(object$call$formula) 中的错误：缺少参数“object”，没有默认值

有谁知道这可能是什么原因造成的？我知道对你们中的一些人来说，它所调用的对象是什么似乎很明显，所以如果这是一个荒谬的问题，我深表歉意。我真的希望能够使用此功能围绕一系列拟合值创建置信区间。非常感谢您提前。

我的目标是从数据框中创建多个模型，然后围绕与这些不同模型对应的拟合值生成置信区间。

拉入库：

将 data_1 指定为来自 R 的 DNase 数据集：

为每次运行创建一个独特的模型：

然后，我想预测同一组数据的拟合和 95% 置信区间，但要对每个模型单独进行。当包括区间=“置信度”时，结果表应生成拟合值的“拟合”列，以及“upr”和“lwr”列，表示拟合值周围的置信范围。我试过这个，因为 spread_predictions 以前曾帮助将拟合值分布在多组数据中：

但是，会生成以下错误：

有谁知道产生这些数字的最佳方法是什么？我是否必须更改此函数处理数据的方式？或者是否有更好的功能可以使用，即直接使用 predict() ，这当然需要间隔作为参数（http://www.sthda.com/english/articles/40-regression-analysis/166-predict-in -r-model-predictions-and-confidence-intervals/）？

我的目标是创建多个模型，然后使用新的数据集，为该新数据集创建预测值，并在每个新拟合点周围创建相应的预测区间。

拉入图书馆：

将 data_1 指定为来自 R 的 DNase 数据集：

为每次运行创建一个独特的模型：

然后我想用一个新的数据集预测一组点，我们称之为 data_2，对于每个模型，然后围绕每个拟合点建立预测区间（每个点的预测区间的上限和下限，由包含参数区间=“预测”时的函数预测（）。我成功地生成了这样的拟合值：

但是随后很难为这些新拟合的值添加“upr”和“lwr”列。在拟合这些新点时，有没有办法同时“spread_prediction_intervals”？了解如何对多个数据集执行此操作将非常有帮助，并且如果给定用于生成预测值的模型和一组这些预测值，则能够生成 upr 和 lwr 边界预测区间。非常感谢您提前提供的帮助。

我正在使用建模器添加基于具有交互作用的线性回归模型的预测。问题是 add_predictions() 是否适用于交互？

从这个例子来看，它似乎有效。然而，问题是它总是有效吗？什么是三向交互？其他类型的模型（物流）呢？

我在使用modelr add_predictions函数时遇到以下错误。

modelr add_predictions 错误：在 model.frame.default（条款，newdata，na.action = na.action，xlev = object$xlevels）中：fe.lead.surgeon has new levels ....

据我了解，当您使用训练数据集制作预测模型并将模型应用于测试数据集时，这是一个常见问题，因为存在于训练数据集中的因子水平可能不存在于测试数据集中。但是，我使用相同的样本来创建模型并获取预测值，但仍然出现此错误。

具体来说，这是我正在使用的代码，如果您能深入了解为什么会发生此错误以及如何解决此问题，我将不胜感激。

根据@SimoneBianchi 的要求，我在这里提供了可重现的示例。

可重现的例子

更新和解决方法

我发现的一种解决方法是您不使用建模器功能，而是使用拟合功能。但是，我仍然想了解为什么回归会自动从因子变量中删除体因子水平。如果有人知道，请发表评论。

结束：数据集发现问题

我发现一些观察结果new levels在相应的因子变量中是不适用的——错误。在我修复了 NA 之后，原始代码运行良好。所以，这是数据集而不是代码的问题！

谢谢大家试图帮助我。