问题标签 [predict]

我在具有多个位置的时间序列上运行 VAR。假设 loc1、loc2 和 loc3 是时间序列数据的列名。

我知道我可以通过pred$fcst$loc1[,1]etc 获得预测。但是假设我想编写一个函数来执行此操作，它将位置名称作为输入变量（例如，LOC=c("loc1","loc2","loc3"))。我该怎么做？

我正在使用predict光栅库中的函数来预测我的glm模型在一组光栅堆栈预测器上。我的模型中缺少一些因子水平，因此我将这些层设置为 NA 以运行该predict函数。现在我的输出映射缺少值，我正在寻找一种方法来解决这个问题。有没有办法使用其他连续变量来预测这些区域？

这些是我的示例代码：

我预计我在这里遗漏了一些明显的东西。

我正在尝试建立一个过度拟合的演示。我有一个二次生成函数，从中抽取了 20 个样本，现在我想将递增程度的多项式线性模型拟合到采样数据。

出于某种原因，无论我使用哪种模型，每次运行时predict都会返回 N 个预测，其中 N 是用于训练我的模型的记录数。

无论公式中的多项式程度如何，都会出现这种行为，包括平凡的情况'y~x'：

这让我发疯。我究竟做错了什么？

我正在使用插入符号来拟合 gbm 模型。当我打电话时trainedGBM$finalModel$fit，我得到的输出看起来正确。

但是当我打电话时predict(trainedGBM$finalModel, origData, type="response")，我得到了非常不同的结果，predict(trainedGBM$finalModel, type="response")即使附加了 origData 也会产生不同的结果。在我看来，这些调用应该产生相同的输出。有人可以帮我确定问题吗？

上面的代码产生以下部分结果：

我有以下混合效应模型，其中包含两个交叉随机效应，用于模拟树的生长：

我正在使用这个模型来预测新数据，并且很高兴看到lme4的开发版本现在带有一个predict允许使用固定和随机效应来生成预测的功能。但是，我还需要能够估计我所做预测的不确定性，这是一个问题，因为predict在lme4中不会为预测生成 SE。

我已经尝试过替代方法。第一个是用来simulate生成预测值的分布，然后我可以将其总结为不确定性估计。但是，我发现 的输出与 的输出simulate明显不同predict，无论我如何处理与随机效应相关的 use.u 参数。当我取 1000 次或更多模拟的平均预测值并将其与 的输出进行比较时predict，很明显这两种方法产生了不同的结果。

第二种方法是使用帮助文件中推荐的 bootMer 函数predict。由此我能够获得参数估计的 SE。但是，我不太确定如何将这些转化为预测中的不确定性（即，我如何获得预测值的 SE？）。我错过了一些明显的东西吗？

非常感谢我使用的两种方法的任何帮助/建议，以及我没有考虑过的替代方法的任何建议！

我希望用公式 > r² = (xh)²+(yk)² 计算圆拟合的半径的预测区间。r-圆的半径，x，y，是高斯坐标，h，k，标记拟合圆的中心。

问题是，predict()不适用于 nls.lm，因此我正在尝试使用 nlsLM 计算圆拟合。（我可以手动计算，但在创建我的 Designmatrix 时遇到了麻烦）。

所以这就是我接下来尝试的：

这导致：

问题 1a：如何nlsLM()使用圆形拟合？（优点是泛型predict()可用。问题 1b：如何获得我的圆拟合的预测区间？

线性回归的例子（这就是我想要的圆形回归）

亲切的问候

编辑摘要：

Edit1：重新排列 nlsLM 中的公式，但参数 (h,k,r) 结果现在在 out 和 out1 中有所不同...

Edit2：添加了 2 个维基百科链接，用于澄清所用术语的 puprose：（参见下文）

置信区间

预测区间

Edit3：问题的一些改写

Edit4：添加了线性回归的工作示例

我正在尝试将 pred 函数与列表一起使用，但似乎我遇到了问题。当我计算它时，它是这样写的：

错误：$ 运算符对原子向量无效

这是我的代码：

我想对我 30 多年来所做的回归进行迭代预测。这些存储在一个列表 summary_of_lm 中，即：summary_year_1，summary_year_2 ...这些是存储系数，标准错误等的矩阵...我不明白的是我没有使用 $ 符号，我有这个错误。

详细信息：我还已经为 df 和 summary_year_i 声明了具有相同变量名的所有参数，以使 pred 正常工作。

我已经使用插入符号构建了一个模型。培训完成后，我收到以下警告：

警告消息：在 train.default(x, y, weights = w, ...) 中：至少一个类级别不是有效的 R 变量名称；如果生成类概率，这可能会导致错误，因为变量名称将转换为：X0，X1

变量的名称是：

我的代码如下：

我收到错误：错误输入[.data.frame(out, , obsLevels, drop = FALSE) : undefined columns selected

测试数据集上的变量名称为：

如果我省略 type="prob" 部分，我不会收到错误。

有任何想法吗？

可能是变量“alchemy_category”的长度，它附加了相应的因子水平，例如模型内的“alchemy_categoryarts_entertainment”？

我的问题是几个小时前我问的这个问题的以下问题。看这篇文章将有助于理解接下来的问题。

我制作了一个包含 1 个响应变量和 2 个解释变量的模型，其中一个是一个因素。

在我的模型中，响应变量被转换。我想在图表上显示我的变量，但我不希望解释变量被转换。此外，我想添加我的模型给出的预测线，为此目的应该进行反向转换！为了增加一点难度，我想在 ggplot 上做。

我的问题是如何将@Roland的解决方案扩展到 ggplot 和几个解释变量？

这是一个例子：

set.seed(12)

而不是显示的线条，我想在反向转换后获得我的模型的预测值。我可以添加method='lm', formula =resp~expl1*factor(expl2)，geom_smooth但无论我是否转换，resp我都会遇到同样的问题。这条线要么因为变形而不适合，要么不符合我的模型。

希望我的问题有意义！谢谢你的帮助！

我正在尝试为我的数据导出误差线，它是成比例的（死/活）并使用二项式 GLM 进行分析。到目前为止，我已经尝试在 R 中使用 predict() 函数，但在没有死亡或 100% 死亡的治疗组中，误差线非常大（基本上覆盖 0%-100%）。我的代码有问题吗？或者有没有更简单的方法来计算 CI 或标准误差线？