问题标签 [predict]

我是 R 的新手，我在使用 R 预测命令时遇到了问题。我收到此错误

当我执行这个命令时：

这是我的模型：

这是我的测试数据的结构： str(test)

以及我的训练数据的结构：

我认为测试数据的结构有问题，但我找不到它，或者我对“预测”命令的结构有误解。请注意，如果我对训练数据运行预测命令，它会起作用。关于在哪里看的任何建议？

谢谢！

我正在尝试在 OpenCV 上实现卡尔曼滤波器，因此我遵循了以下旋转点跟踪示例（OpenCV 2.4.3）：

http://fossies.org/unix/misc/OpenCV-2.4.3.tar.gz:a/OpenCV-2.4.3/samples/cpp/kalman.cpp

我正在使用 OpenCV 2.4.2 和 QtCreator 4.7.4。一切都编译得很好，但是当我在这段代码的末尾执行程序时崩溃：

我还尝试了本教程（OpenCV 2.2），它也在同一点崩溃：.predict() 函数：

http://www.morethantechnical.com/2011/06/17/simple-kalman-filter-for-tracking-using-opencv-2-2-w-code/comment-page-1/#comment-34618

QtCreator 没有显示错误代码，所以我无法弄清楚这里发生了什么。我检查了其他帖子，他们说问题可能是矩阵的大小不同，但我怀疑因为这个例子适用于其他尝试过它的人......

任何人都可以给我一个关于如何解决这个问题的提示？

非常感谢您提前！！

[predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(testing_label_vector, testing_instance_matrix, model [, 'libsvm_options']);

1.我在matlab中使用libsvm进行图像分类。testing_label_vector、testing_instance_matrix、decision_values/prob_estimates，最重要的是，“svmpredict”中的准确性是什么意思？

2. 如果我用它来测试以获得准确度值，我是否必须知道 testing_label_vector 的值？

创建随机森林后，我用它来预测样本外的测试数据集。但是，连续调用 predict 会产生不同的结果：

关于我如何使这个不确定的任何想法？

我的训练数据集有 40000 行。在我使用 CART 模型拟合之后

fit<-rpart(y~x,method="class")

我试图使用

predict(fit,data.frame(new_x),family="response")

错误信息是：

此外，我检查了"predicted value“，它们实际上是使用 training 拟合值x。有人知道原因吗？

我正在使用 nls() 为多个鸟类种群的数据拟合一个逻辑模型（自启动；SSlogis）。我的目标是为数据拟合一个预期函数（仅使用每个数据集的一部分），并在图表上显示关于预期的方差的度量。然后，我想拟合并绘制观察到的函数（使用每个总体的整个数据集）以确定观察到的动态是否在期望的方差范围内。这是我目前为实现此目的而编写的代码：

哪里（来自“collapse.data”文件）：

该代码工作正常并产生如下图：

但是，如果我从代码的最后一行中删除“log()”，以便编写以下代码：

该线不会绘制，我收到此错误：

即使我使用 nls.controls 并更改“minFactor”值，我也无法更改。我还在为某些人群定义 mod（##.mod 部分）的初始行之后收到此错误消息。

此外，对于某些人群，我在报告此问题的最后一行代码之后收到一条错误消息：

我想不出自然对数转换数据的合理性，我只能假设我只是以允许 predict() 和 SSlogis() 的方式更改了数据（在这种情况下是任意记录的）功能正常，但我不知道为什么。对于此类问题，我无法在任何论坛中找到任何合适的答案。任何帮助将不胜感激。

*更新：我已尝试按照 Roland 的建议实现 nlsLM 功能（如下）。这确实清理了使用令人​​困惑的 log() 的代码部分：

但是，对于其他人群，我在初始模型规范中遇到了与上述相同的错误消息：

切换到：

在哪里

虽然此开关确实避免了错误消息，但 nlsLM 评估函数但不评估梯度。如果没有梯度评估，我无法使用 se.fit 代码，因此无法获得用于绘图的方差估计。

我正在使用R 中的 Naive bayes帖子中提到的klaR包的方法：predict

nb_testpred是我的朴素贝叶斯模型，开发于traindata; testdata是剩余的数据。

但是，我收到此错误：

我不确定发生了什么 -testdata行数少于traindata，列数相同。

作为参考，我的代码如下所示：

数据样本在这里（原始文件有 100,000+ 行）：

任何帮助将不胜感激！

我想在 R 中训练一个 SVM 分类器，并能够通过导出相关参数在其他软件中使用它。为此，我首先希望能够重现predict.svm()R 中的行为（使用e1071包）。

我根据虹膜数据训练了模型。

根据 Hastie, Tibshirani, Friedman (2001) 等式 12.24，x 的预测函数可以写为系数的支持向量乘以 SV 和 x 的核函数之和，对应于矩阵乘积，加上拦截。

$\hat{f}(x)= \sum^N_{i=1} \hat{\alpha}_i y_i K(x,x_i)+\hat{\beta}_0 $，其中已经包含$y_i$在m$coefs.

谁能解释这是哪里出错了？

编辑：我的代码中有一个小错误，现在它给出了以下预期结果：

我希望对遇到同样问题的人有所帮助。

我试图预测包含NAs 的数据的拟合值，并基于由plm. 这是一些示例代码：

当我运行最后一行时，我收到一条错误消息，指出替换有 4 行，而数据有 5 行。

我不知道如何预测返回长度为 5 的向量...

如果plm我不运行 a 而不是运行lm（如下行），我会得到预期的结果。

我有模型lm(y~x+I(log(x))，我想根据我的模型predict来预测包含 的新值的新数据框x。predict 如何处理I模型中的 AsIs 函数？是否I(log(x))需要在 of 的newdata参数中额外指定predict或predict理解它应该构造和使用I(log(x))from x？

更新

@DWin：变量进入模型的方式会影响系数，尤其是对于交互作用。我的例子很简单，但试试这个

您会看到 lm1=lm3，但 lm2 有所不同（只有 1 个系数）。假设您不想创建虚拟变量z（对于大型数据集计算效率低下），构建像 lm3 这样的交互模型的唯一方法是使用I. 同样，这是一个非常简单的示例（可能没有统计意义），但它在复杂模型中是有意义的。

@Ben Bolker：我想避免猜测并尝试寻求权威答案（我无法直接用我的模型检查这一点，因为它们比示例复杂得多）。我的猜测是predict正确地假设并构建I(log(x))