问题标签 [predict]

我正在对一个数据集进行tobit分析，其中因变量（我们称之为y）被审查为0。所以这就是我所做的：

这可以。现在我想运行“预测”函数来获得拟合值。理想情况下，我对未观察到的潜在变量“y*”和观察到的删失变量“y”的预测值感兴趣 [参见参考资料 1]。

我检查了 predict.survreg [参考 2] 的文档，但我认为我不明白哪个选项给了我预测的删失变量（或潜在变量）。

我在网上找到的大多数示例都建议以下内容：

同样，尚不清楚这些是哪种预测。

我的猜测是 predict 函数中的“type”选项是这里的关键，type="response" 用于审查变量预测，type="linear" 用于潜在变量预测。

在这里有一些经验的人可以为我解释一下吗？

非常感谢！

参考：

1. http://en.wikipedia.org/wiki/Tobit_model

2. http://astrostatistics.psu.edu/datasets/2006tutorial/html/survival/html/predict.survreg.html

训练数据从两个文件中读取——一个仅包含自变量 (df.train)，另一个仅包含实际对应的类值 (df.churn)。这些值仅为 -1 和 1。然后我删除所有 NA 列并删除任何找到的重复列。

我将这两组数据组合成具有独立值和类值的单个数据框，并运行 naiveBayes() 且没有错误。

使用 naiveBayes 生成的模型，我运行 predict() 并注意到 type = "raw" 的输出看起来像是合理的数据——在大多数情况下，这些概率相对接近 0 或 1。我在下面展示了前 6 个元素。

我正在寻找输入到 prediction() 中的实际预测类值，以获取 ROC 图和 AUC 值。我再次使用 type = "class" 运行 predict()，这就是我基本上一无所获的地方。

我故意对训练数据运行 predict() ，因为我认为这会很有趣。下面， predict() 的值对我来说似乎是“合理的”......也就是说，它们至少看起来不像完全是胡说八道。我还没有将它们与实际值进行比较，并且希望使用 predict() 给出的显式类值来做到这一点。

所以，这是 predict() 再次针对相同的模型运行 - 我不明白它怎么可能什么都不返回：

我正在尝试使用特定值计算预测概率，但 R 显示以下错误：

这就是我想要做的：x1 是一个具有 12 个级别的因子，而 x2 也是一个具有 3 个级别的因子。

有什么帮助吗？

使用数据框

我收到这个错误：

我究竟做错了什么？

这是输入输出：

我有这个数据集：

我使用以下方法计算了一个线性模型lm()：

x我想知道如果我有新值的预测值y，例如ynew <- c(5.5, 4.5, 3.5)，但是如果我使用该predict()函数，它只会计算新y值。

x如果我有新值，我如何预测新y值？

我是 R 新手，当我要使用 glm() 估计逻辑模型时，它不会预测响应，而是在调用预测函数时给出一个不实际的输出，比如我的预测函数中的每个输入的 1。

让我知道我做错了什么？

如帮助（predict.nls）中所说，当se.fit = TRUE时，应计算预测的标准误差。但是，我在下面的代码没有显示，而只是预测。

我的代码有什么问题？谢谢！

我想知道如何在使用 Java API for liblinear 时挽救所有的预测结果。

由于它有据可查，因此可以使用以下代码来挽救预测的准确性：

但是我们如何才能挽救保存在运行时提供给我们的文件中的其余结果，例如：

希望您能提供帮助，目前我正在从文件中抢救数据，但效率最低的是必须去磁盘获取它。提前致谢。

最好的问候，丹尼尔·马林·苏比亚布雷

PS：小结果文件示例

我试过像这样做 lm: lm(b.div$chao1.ave ~ b.div$lg.std.len)，但是随后predict()警告说 newdata 和 variables 的长度不同。所以，我尝试了上面的方法，现在predict()给出一个错误，说它无法识别对象。请问怎么修？

刚刚有一个关于使用 Step AIC 进行预测的快速问题。我是R的初学者，所以如果解决方案很明显，请原谅。尝试四处寻找，但无法真正找到我要找的东西。

所以我试图预测响应变量，在主模型上运行逐步 AIC 之后（主模型具有所有解释变量）。stepAIC 给出了一个变量数量减少的新模型。我的问题是如何使用新的简化模型进行样本外预测。换句话说，我如何减少数据集，以便当我将其输入 predict.lm 时，它只有在减少模型中选择的变量。

下面是我的代码：

基本上我如何将从简化模型中得到的系数乘以“x_var”中的相应解释变量（它具有所有解释变量）

非常感谢你的帮助！