R の線形回帰モデルで Predict 関数を使用する

Jesse John 2023年6月21日

R R Error R Predict

lm() 関数を使用して線形回帰モデルを構築した後、それを使用してできることの 1つは、機能の新しい値 (出力または従属とも呼ばれる) 変数の値を予測することです。入力変数または独立変数)。

この記事では、線形回帰のコンテキストで R の predict() 関数の基本的な引数を見ていきます。特に、関数は、入力が特定の列名を持つ特定の形式であることを期待していることがわかります。

R の線形回帰モデルで `predict()` 関数を使用する

predict() 関数を実証するために、まずいくつかのサンプルデータを使用して線形回帰モデルを構築します。

データフレームの列名を観察し、それらが線形回帰式でどのように使用されているかを確認します。

コード例:

Feature = c(15:24)
set.seed(654)
Response = 2* c(15:24) + 5 + rnorm(10, 0,3)
DFR = data.frame(Response, Feature)
DFR

# The arguments' formula and data are named for clarity.
LR_mod = lm(formula = Response~Feature, data = DFR)
LR_mod

出力：

> Feature = c(15:24)
> set.seed(654)
> Response = 2* c(15:24) + 5 + rnorm(10, 0,3)
> DFR = data.frame(Response, Feature)
> DFR
   Response Feature
1  32.71905      15
2  35.83089      16
3  44.06888      17
4  40.71729      18
5  43.28590      19
6  47.45182      20
7  50.19730      21
8  51.81954      22
9  53.22364      23
10 51.69406      24
> # The arguments' formula and data are named for clarity.
> LR_mod = lm(formula = Response~Feature, data = DFR)
> LR_mod

Call:
lm(formula = Response ~ Feature, data = DFR)

Coefficients:
(Intercept)      Feature
      2.096        2.205

`predict()` を使用して応答を予測する

線形回帰モデルができたので、R の predict() 関数を使用して、特徴変数の新しい値に対応する応答の値を予測できます。

predict() 関数は、線形回帰モデルのために少なくとも 2つの引数を必要とします。

モデルオブジェクト。
新しいデータ。

このコンテキストでは、考慮に入れる必要がある 2つの重要な考慮事項があります。

新しいデータをデータフレームとして提供する必要があります。この例では、機能は単一の変数です。

predict() 関数にベクトルを与えると、エラーが発生します。
新しいデータフレームの機能変数の列名が元のデータフレームの対応する列の名前と異なる場合、予期しない出力が得られます。

コード例:

# First, let us create new values for the feature variable.
NewFeature = c(20.5, 16.5, 22.5)

# If we provide a vector, we get an error.
predict(object = LR_mod, newdata = NewFeature)

# Make a data frame.
DFR2 = data.frame(NewFeature)

# Another error.
# R saw the correct number of rows in the new data but did not use them.
predict(LR_mod, newdata = DFR2)

出力：

> # First, let us create new values for the feature variable.
> NewFeature = c(20.5, 16.5, 22.5)

> # If we provide a vector, we get an error.
> predict(object = LR_mod, newdata = NewFeature)
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) :
  'data' must be a data.frame, environment, or list

> # Make a data frame.
> DFR2 = data.frame(NewFeature)

> # Another error.
> # R saw the correct number of rows in the new data but did not use them.
> predict(LR_mod, newdata = DFR2)
       1        2        3        4        5        6        7        8        9       10
35.17674 37.38209 39.58745 41.79280 43.99816 46.20351 48.40887 50.61422 52.81958 55.02494
Warning message:
'newdata' had 3 rows but variables found have 10 rows

predict() 関数から正しい出力を得るには、2つのことを確認する必要があります。

predict() 関数の newdata 引数にデータフレームを渡す必要があります。これは、最初のエラーの後に上記で行われました。
機能変数の列名は、モデルを構築するために元のデータフレームで使用されたものと同じである必要があります。この変更は、次のコードセグメントで行います。

引数に名前を付けることも良い習慣です。

これらの側面に対処すると、predict() 関数から期待される出力が得られます。

コード例:

# The feature column of the new data frame is given the same name as in the original data frame.
DFR3 = data.frame(Feature = NewFeature)

# Finally, predict() works as expected.
predict(LR_mod, newdata = DFR3)

出力：

> # The feature column of the new data frame is given the same name as in the original data frame.
> DFR3 = data.frame(Feature = NewFeature)

> # Finally, predict() works as expected.
> predict(LR_mod, newdata = DFR3)
       1        2        3
47.30619 38.48477 51.71690

著者： Jesse John

Jesse is passionate about data analysis and visualization. He uses the R statistical programming language for all aspects of his work.

R の線形回帰モデルで predict() 関数を使用する

predict() を使用して応答を予測する

関連記事 - R Error

R の線形回帰モデルで `predict()` 関数を使用する

`predict()` を使用して応答を予測する