标签: predict

如帮助(predict.nls)中所述,当se.fit = TRUE时,应计算预测的标准误差.但是,我在下面的代码不显示,而只显示预测.

alloy <- data.frame(x=c(10,30,51,101,203,405,608,810,1013,2026,4052,6078,
                        8104,10130),
                    y=c(0.3561333,0.3453,0.3355,0.327453,0.3065299,0.2839316,
                        0.2675214,0.2552821,0.2455726,0.2264957,0.2049573,
                        0.1886496,0.1755897,0.1651624))
model <- nls(y ~ a * x^(-b), data=alloy, start=list(a=.5, b=.1))
predict(model, se=TRUE)

我的代码出了什么问题？谢谢!

我对R比较陌生.我正在使用auto.arima和predict预测时间序列数据.这是我正在使用的代码:

train.arima=auto.arima(train, seasonal=F, xreg=NULL)
train.pd=predict(train.arima, n.ahead=numahead, newxreg=NULL)

我收到此错误消息,虽然我已经设置了xreg和newxregasNULL

Error in predict.Arima(train.arima, n.ahead = numahead, newxreg = NULL) : 
'xreg' and 'newxreg' have different numbers of columns: 1 != 0

有人可以帮忙吗？

我是R和统计学的新手.所以这个问题可能有点愚蠢,但我想知道R predict()和predict.lm()R 之间是否有任何区别？我认为它们是相同的,但如果它们是,为什么两个不同的功能呢？

我有一些由非r用户设置的logit模型的系数.我想将这些系数导入r并在相同的数据集(ROC和混淆矩阵)上生成一些拟合优度与我自己的模型.我的第一个想法是使用类似的东西将系数强制转换为现有的GLM对象

摘要(拟合)$ coefficients [,1] < - y

要么

摘要(拟合)$ coefficients < - x

其中y和x是包含我试图用来预测和拟合的系数的矩阵,它是先前创建的适合数据集的虚拟glm对象.当然,这只给我带来了错误.

有没有办法将任意系数向量传递给predict()函数或指定模型中的系数？我可以通过将一个向量传递给GLM中的偏移量参数来以某种方式强制这个吗？谢谢

编辑:正如评论中所提到的,使用任意系数的统计基础不多.我有一个商业伙伴,他们相信他/她'知道'正确的系数,并且我试图根据这些估计与适当模型产生的系数来量化预测能力的损失.

Edit2:Per BondedDust的答案,我能够强制系数,但无法清除由于强制而返回的forecast()错误消息,看起来是由预测调用的predict.lm,也看起来在系数的等级和导致错误.

我正在使用线性混合效应模型(使用lme()R中nlme包中的函数运行),它具有一个固定效果和一个随机截距项(以考虑不同的组).该模型是如此指定的三次多项式模型(遵循以下建议):

   M1 = lme(dv ~ poly(iv,3), data=dat, random= ~1|group, method="REML")

仅限一些示例数据:

> dput(dat)
structure(list(group = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("1", 
"2"), class = "factor"), iv = c(24L, …

我有一个线性模型：

mod=lm(weight~age, data=f2)

我想输入一个年龄值，并从该模型返回了相应的权重。这可能很简单，但是我还没有找到简单的方法来做到这一点。

我将一些数据拟合为两个高斯分布的混合分布flexmix:

data("NPreg", package = "flexmix")
mod <- flexmix(yn ~ x, data = NPreg, k = 2,
           model = list(FLXMRglm(yn ~ x, family= "gaussian"),
                        FLXMRglm(yn ~ x, family = "gaussian")))

模型拟合如下:

> mod

Call:
flexmix(formula = yn ~ x, data = NPreg, k = 2, model =    list(FLXMRglm(yn ~ x, family = "gaussian"), 
    FLXMRglm(yn ~ x, family = "gaussian")))

Cluster sizes:
  1   2 
 74 126 

convergence after 31 iterations

但是我如何从这个模型中实际预测呢？

当我做

pred <- predict(mod, NPreg)

我得到一个列表,其中包含两个组件中的每个组件的预测

要获得单个预测,我是否必须添加像这样的群集大小？

single <- …

在对第一数据集（a）进行主成分分析之后，我将第二数据集（b）投影到第一数据集的PCA空间中。

由此，我想提取变量载荷以进行（b）的预测分析。prcomp（）返回（a）的PCA的可变负载。如何检索投影到（a）的PCA空间中的（b）的变量载荷？

# set seed and define variables
set.seed(1)
a = replicate(10, rnorm(10))
b = replicate (10, rnorm(10))

# pca of data A and project B into PCA space of A
pca.a = prcomp(a)
project.b = predict(pca.a, b)

# variable loadings
loads.a = pca.a$rotation

说我运行以下内容 lm

my.model = lm(distance ~ speed, data = my.data)

我可以做以下事情来做一个元素预测

predict(my.model, speed = c(40))

情况就是这样:我有一个lm,我知道它做了什么(它是速度距离的回归),但我不知道回归量被命名为速度.我怎么还能预测？

predict(my.model, ??? = c(40))

我可以得到回归者的名字,names(my.model$coefficients)但我无法弄清楚如何将其传递给预测

predict(my.model, names(my.model$coefficients)[2] = c(40)) 不行

有什么建议？

谢谢!

我的句子如下：

I want to ____ the car because it is cheap.

我想使用NLP模型来预测丢失的单词。我应该使用哪种NLP模型？谢谢。