我正在使用R中的插入符号包进行常规逻辑回归 . 我有一个二进制响应变量，编码为1或0，称为SALES_FLAG和140个数字响应变量，我在R中使用dummyVars函数转换为虚拟变量 .
data <- dummyVars(~., data = data_2, fullRank=TRUE,sep="_",levelsOnly = FALSE )
dummies<-(predict(data, data_2))
model_data<- as.data.frame(dummies)
这给了我一个可以使用的数据框 . 所有变量都是数字的 . 接下来我分为培训和测试：
trainIndex <- createDataPartition(model_data$SALE_FLAG, p = .80,list = FALSE)
train <- model_data[ trainIndex,]
test <- model_data[-trainIndex,]
是时候使用火车功能训练我的模型了：
model <- train(SALE_FLAG~. data=train,method = "glm")
一切都很好，我得到了一个模型 . 但是当我运行预测函数时，它并没有给我我需要的东西：
predict(model, newdata =test,type="prob")
我得到一个错误：
Error in dimnames(out)[[2]] <- modelFit$obsLevels :
length of 'dimnames' [2] not equal to array extent
另一方面，当我将“prob”替换为“raw”用于预测函数内部的类型时，我得到预测，但我需要概率，因此我可以根据阈值将它们编码为二进制变量 .
不知道为什么会这样 . 我在没有使用插入符包的情况下做了同样的事情，它的工作方式如下：
model2 <- glm(SALE_FLAG ~ ., family = binomial(logit), data = train)
predict(model2, newdata =test, type="response")
我花了一些时间看这个，但不确定发生了什么，这对我来说似乎很奇怪 . 我尝试了很多火车功能的变化意味着我没有使用公式并使用X和Y.我使用method ='bayesglm'来检查和id给了我同样的错误 . 我希望有人可以帮助我 . 我不需要使用它，因为列车功能得到我需要的但是插入包是一个很好的包有很多工具，我希望能够弄明白这一点 .
1 回答
告诉我们
str(train)和str(test). 我怀疑结果变量是数字，这使train认为你正在做回归 . 从印刷model开始也应该很明显 . 如果您想进行分类，请将其作为一个因素 .马克斯