lm（进攻$ R $进攻$ OBP）和lm（R〜OBP）有什么区别？

本文介绍了lm（进攻$ R $进攻$ OBP）和lm（R〜OBP）有什么区别？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述 我正在尝试使用R创建一个线性模型，并用它来预测一些值。主题是棒球统计。如果我这样做： obp predict（obp ，newdata = data.frame（OBP = 0.5），interval =predict） 错误：警告消息：'newdata'有1行，但找到的变量有20行。 但是，如果我这样做： pre> 附加（进攻） obp predict（obp，newdata = data.frame（OBP = 0.5） ，interval =predict） 它按预期工作，我得到一个结果。两者有什么区别？如果我打印OBP并且进攻$ OBP，他们看起来一样。解决方案在第一种情况下，如果你打印模型： 致电： lm（公式=进攻$ R〜进攻$ OBP） 系数：（截取）进攻$ OBP -0.1102 0.5276 但是在第二个，你得到这个： 调用： lm（formula = R〜OBP） 系数：（截取）OBP -0.1102 0.5276 看系数的名称。当您使用 newdata = data.frame（OBP = 0.5）创建新数据时，这对第一个模型并不真实，因此newdata将被忽略，您只能获得预测值与训练数据。当您使用进攻$ R〜进攻$ OBP 时，公式在每一边只有两个向量，没有与 data.frame 。 最好的方法是： obp predict（obp，newdata = data.frame（OBP = 0.5），interval =predict） 您将得到正确的结果， OBP = 0.5 。 I am trying to use R to create a linear model and use that to predict some values. The subject matter is baseball stats. If I do this:obp <- lm(offense$R ~ offense$OBP)predict(obp, newdata=data.frame(OBP=0.5), interval="predict")I get the error: Warning message: 'newdata' had 1 row but variables found have 20 rows.However, if I do this:attach(offense)obp <- lm(R ~ OBP)predict(obp, newdata=data.frame(OBP=0.5), interval="predict")It works as expected and I get one result. What is the difference between the two? If I just print OBP and offense$OBP, they look the same. 解决方案 In the first case, you get this if you print the model:Call:lm(formula = offense$R ~ offense$OBP)Coefficients:(Intercept) offense$OBP -0.1102 0.5276 But in the second, you get this:Call:lm(formula = R ~ OBP)Coefficients:(Intercept) OBP -0.1102 0.5276 Look at the name of the coefficients. When you create your newdata with newdata=data.frame(OBP=0.5), that not really make sense for the first model, so newdata is ignored and you only get the predicted values with the training data. When you use offense$R ~ offense$OBP, the formula has just two vectors at each side, with no names associated to a data.frame.The best way to do it is:obp <- lm(R ~ OBP, data=offense)predict(obp, newdata=data.frame(OBP=0.5), interval="predict")And you'll get the proper result, the prediction for OBP=0.5. 这篇关于lm（进攻$ R $进攻$ OBP）和lm（R〜OBP）有什么区别？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！