考虑一个简单的数据集,分为训练集和测试集:
dat <- data.frame(x=1:5, y=c("a", "b", "c", "d", "e"), z=c(0, 0, 1, 0, 1))
train <- dat[1:4,]
train
# x y z
# 1 1 a 0
# 2 2 b 0
# 3 3 c 1
# 4 4 d 0
test <- dat[5,]
test
# x y z
# 5 5 e 1
当我训练逻辑回归模型来预测时z
using x
并获得测试集预测,一切都很好:
mod <- glm(z~x, data=train, family="binomial")
predict(mod, newdata=test, type="response")
# 5
# 0.5546394
但是,这在看起来等效的逻辑回归模型上失败,并出现“因子有新级别”错误:
mod2 <- glm(z~.-y, data=train, family="binomial")
predict(mod2, newdata=test, type="response")
# Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) :
# factor y has new level e
自从我删除了y
从我的模型方程中,我很惊讶地看到这个错误消息。在我的应用程序中,dat
很宽,所以z~.-y
是最方便的型号规格。我能想到的最简单的解决方法是删除y
来自我的数据帧的变量,然后使用z~.
语法,但我希望有一种方法可以使用原始数据集而不需要删除列。