我有一个大约900个零件的数据集，这些数据可以追溯到13个月。我希望使用线性回归来告诉我下个月我应该储备多少零件，使用我拥有数据的那13个月的滚动期作为输入。
数据集描述：
我大约有900行，其中13列已填写，其中一列等待填写结果。第1列是零件号，其次是前几个月的13列，最后一列是一个空列，我标记为“ mlsuggestions”
这是我目前正在使用的代码：
lmtest <- my.data
set.seed(101)
sample <- sample.split(lmtest$mlsuggestions, SplitRatio = 0.7)
train <- subset(lmtest, sample == TRUE)
test <- subset(lmtest, sample == FALSE)
model1 <- lm(mlsuggestions ~ Dec_17 + Nov_17 + Oct_17 + Sept_17 +
Aug_17 + Jul_17 + Jun_17 + May_17 + Apr_17 + Mar_17 + Feb_17 +
Jan_17 + Dec_16, data = lmtest)
lmtest$mlsuggestions <- model1$coefficients
我从最后一行得到的是一条错误消息，内容为：
Error in `$<-.data.frame`(`*tmp*`, mlsuggestions, value = c(0, 0, 0, 0, :
replacement has 14 rows, data has 886
因此，据我了解，该模型在我的886行中只有14个系数。这是否意味着我的模型是按列而不是按行计算的？如果是这样，我该如何更改？
如果不是这种情况，我尝试将模型结果放回数据中的方式是否有问题？
最佳答案
我认为您在broom包中实现了什么。看看下面的结果是否就是您所追求的。
library(broom)
df <- augment(model1)
举个例子
model1 <- lm(Sepal.Length ~ ., iris)
library(broom)
df <- augment(model1)
df[1:5, ]
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species .fitted .se.fit .resid .hat
#1 5.1 3.5 1.4 0.2 setosa 5.004788 0.04479188 0.09521198 0.02131150
#2 4.9 3.0 1.4 0.2 setosa 4.756844 0.05514933 0.14315645 0.03230694
#3 4.7 3.2 1.3 0.2 setosa 4.773097 0.04690495 -0.07309695 0.02336968
#4 4.6 3.1 1.5 0.2 setosa 4.889357 0.05135928 -0.28935683 0.02801904
#5 5.0 3.6 1.4 0.2 setosa 5.054377 0.04736842 -0.05437691 0.02383379
# .sigma .cooksd .std.resid
#1 0.3077918 0.0003570856 0.3136729
#2 0.3076565 0.0012517183 0.4742964
#3 0.3078349 0.0002317688 -0.2410693
#4 0.3069173 0.0043961179 -0.9565608
#5 0.3078627 0.0001309299 -0.1793744
关于r - 如何将模型的结果放入数据框？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48271778/