Loading [MathJax]/jax/input/TeX/config.js

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >R中的一个模型预测结果

问R中的一个模型预测结果
EN

Stack Overflow用户

提问于 2014-03-16 12:23:29

回答 1查看 199关注 0票数 0

我试图做一个简单的预测，使用线性回归，我有一个data.frame，其中一些项目是缺失的价格(因此注意到NA)。这一点完全行不通：

#Simple LR
fit <- lm(Price ~ Par1 + Par2 + Par3, data=combi[!is.na(combi$Price),])
Prediction <- predict(fit,  data=combi[is.na(combi$Price),]), OOB=TRUE, type = "response")

我应该用什么代替data=combi[is.na(combi$Price),])呢？

linear-regression

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2014-03-16 12:37:40

将data更改为newdata。看看?predict.lm，看看predict可以采用什么参数。其他参数将被忽略。因此，在您的示例中，data (和OOB)被忽略，默认情况是返回对培训数据的预测。

Prediction <- predict(fit, newdata = combi[is.na(combi$Price),])

identical(predict(fit), predict(fit, data = combi[is.na(combi$Price),]))
## [1] TRUE

票数 1

EN

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/22442467

复制

相关文章

LIME：我可以解释任何一个分类模型的预测结果

data global local model

Local Interpretable Model-agnostic Explanations (LIME)

beyondGuo

2021/07/23

1.7K0

LIME：我可以解释任何一个分类模型的预测结果

关于模型预测结果好坏的几个评价指标

在人工智能算法大数据时代，会有各种各样的预测模型，那怎么来评判一个预测模型的准确度呢？这一篇就来聊聊常用的一些评价指标。

张俊红

2020/09/24

10.6K0

关于模型预测结果好坏的几个评价指标

房产估值模型训练及预测结果

https 人工智能 qt

本文房产估值模型源数据为厦门市房价数据，文件下载链接: https://pan.baidu.com/s/1vOact6MsyZZlTSxjmMqTbw 密码: 8zg6 下载文件打开后如下图所示：

潇洒坤

2018/09/10

1.2K0

房产估值模型训练及预测结果2

用于进行回归预测的源数据文件下载链接: https://pan.baidu.com/s/16-JGI-JnksC9I7I_ghvrug 密码: ey46

潇洒坤

2018/09/10

5730

「R」说说r模型中的截距项

https 网络安全

很多读者在使用 R 的模型构建时可能会对其中的截距项感到困惑。上述两个模型都描述了简单的线性回归，是等同（完全一致）的。第一个模型隐含了截距项，而第二个模型显式地进行了指定。

王诗翔呀

2020/07/03

3.3K0

用R语言作上海房价预测模型

考虑到商品房经济始于1998年，且可供查找的数据截止到2011年，故本文的数据来源于1998-2011年的《上海统计年鉴》和国家统计局。在本文中主要讨论影响上海商品房房价的因素及各个因素对于房价的影响作用，考虑到房地产不同于一般的消费品，它不仅提供居住的功能，带来收租收益，发生价值增值，而且对人的行为有重要的影响，因此，在进行预测自由贸易下的房价时，本文主要从人均生产总值、人均可支配收入、商品零售价格指数、常住人口、住房竣工面积、住宅投资总额、居民居住消费价格指数7个方面来考虑对于商品房房价的影响。本文

机器学习AI算法工程

2018/03/14

3.6K0

R建立一个临床预测分类

数据可视化

文章目录网页服务确定研究目标数据可视化预处理数据值化缺失值处理无量纲化特征选择lasso 模型方法1：生存模型方法2：logistics 结果网页服务网页服务地址确定研

AI拉呱

2021/01/14

7460

谷歌大脑提出基于流的视频预测模型，可产生高质量随机预测结果

计算机硬件能力的飞速发展以及研究者在更深刻见解和更好方法方面所做出的不懈努力，推动机器学习领域从相对冷门上升至主流。该领域的进展已经转化为各类能力的进步，如图像分类（Krizhevsky等人，2012年）、机器翻译（Vaswani等人，2017年）以及超人游戏智能体（Mnih等人，2013年；Silver等人，2017年）等。但是，机器学习技术的运用在很大程度上受限于需要大量监督的情况（如图像分类或机器翻译任务），或者学习智能体需要对环境的高度精确模拟（如游戏智能体）。监督学习的一种不错的替代方法是：使用大型无标注数据集，并结合预测生成模型。复杂的生成模型若想有效地预测未来事件，则必须建构世界的内部表征。例如，一个能够预测未来视频帧的预测生成模型需要建模现实世界中的复杂现象，如物理交互。这为构建充分理解现实世界的模型提供了一种不错的机制，且无需任何标注样本。关于现实世界互动的视频非常丰富且容易获得，大型生成模型可以在包含许多视频序列的大型无标注数据集上训练，以了解现实世界中各种各样的现象。此类模型对后续下游任务中的表征学习非常有用（Mathieu等人，2016年），甚至可直接用在预测未来的应用中进行有效的决策和控制，如机器人学（Finn等人，2016年）。视频预测所面临的一个核心挑战是，未来具备高度不确定性：对当前时段的短序列观察可表示未来的诸多可能。近期已经有大量研究涉及可表征不确定未来的概率模型，但这些模型要么计算成本极其昂贵（如像素级自回归模型），要么无法直接优化数据似然。这篇论文研究随机预测问题，主要关注条件式视频预测：基于较短序列的以往观察结果合成原始RGB视频帧（Ranzato等人，2014年；Srivastava等人，2015年；Vondrick等人，2015年；Xingjian等人，2015年；Boots等人，2014年）。具体而言，研究者提出了一种新型视频预测模型，它能够提供确切似然，生成各类随机未来，还能精确合成逼真、高质量的视频帧。该方法背后的主要思路是：将基于流的生成模型（Dinh等人，2014和2016年）扩展到条件式视频预测环境中。基于变分自编码器和像素级自回归模型的方法已被用于研究随机预测生成，但基于流的模型受到的关注相对较少。据称，基于流的模型目前仅用于图像等非时态数据和音频序列的生成。条件式视频生成面临着独有的挑战：视频序列的高维度特性使其难以建模为单独的数据点。因此，谷歌大脑的研究者学习了一种潜在动态系统（latent dynamical system）模型，用于预测流模型潜在状态的未来值。这为该系统的潜在状态引入了马尔科夫动力学，替代了标准的无条件先验分布。受到图像生成模型 Glow 的启发，研究者创建了一种基于流的视频预测实用模型架构 VideoFlow。实证结果表明，在 action-free BAIR 数据集上执行随机视频预测时，VideoFlow所取得的效果与当前最优结果不相上下，其定量结果也能够与最佳的VAE模型相媲美。VideoFlow还可以输出不错的定性结果，避免了很多使用像素级均方误差训练的模型输出结果中常见的伪影（如模糊预测），并且也不会面临与训练对抗模型相关的挑战。与基于像素级自回归预测的模型相比，VideoFlow在测试阶段的图像合成速度有很大提升，这使得VideoFlow对于机器人控制等需要实时预测的应用更加实用。最后，VideoFlow能够直接优化训练视频的似然，且不依赖变分下界，因而我们可以从似然值的角度直接评估其性能。论文：VideoFlow: A Flow-Based Generative Model for Video

机器之心

2019/03/19

9490

谷歌大脑提出基于流的视频预测模型，可产生高质量随机预测结果

r语言预测波动率的实现：ARCH模型与HAR-RV模型

波动率是众多定价和风险模型中的关键参数，例如BS定价方法或风险价值的计算。在这个模型中，或者说在教科书中，这些模型中的波动率通常被认为是一个常数。然而，情况并非如此，根据学术研究，波动率是具有聚类和长记忆特征的时间序列变量。

拓端

2020/08/10

2.1K0

r语言预测波动率的实现：ARCH模型与HAR-RV模型

R语言多元Copula GARCH 模型时间序列预测

arm 编程算法

和宏观经济数据不同，金融市场上多为高频数据，比如股票收益率序列。直观的来说，后者是比前者“波动”更多且随机波动的序列，在一元或多元的情况下，构建Copula函数模型和GARCH模型是最好的选择。

拓端

2022/06/08

7510

R语言多元Copula GARCH 模型时间序列预测

R 机器学习预测时间序列模型

神经网络深度学习人工智能编程算法

随着疫情的变化，急性传染病数据经常会随时间变化，我们通过对每天传染病的记录，就形成了时间序列数据，周期可以是天，周，月，年。目前我们经常会用到ARIMA来预测疾病在未来的变化趋势。

Jamesjin63

2022/10/25

9520

R中做零模型

前几天有人问我R里面怎么做零模型。有现成的函数，picante包的randomizeMatrix直接就搞定了。我回复之后随便在网上搜了一下，意外发现竟然没有搜到相关的文章。那就简单写写吧。

Listenlii-生物信息知识分享

2021/03/26

3.4K0

R中时间序列分析-趋势预测ARIMA

该文介绍了如何使用ARIMA模型对时间序列数据进行预测，并通过一个具体的数据集进行了演示。首先，介绍了ARIMA模型的基本概念，然后介绍了如何使用auto.arima函数来拟合ARIMA模型，并给出了一个具体的例子。最后，介绍了如何使用forecast函数来进行预测，并给出了预测结果。

Erin

2018/01/09

1.8K0

R中时间序列分析-趋势预测ARIMA

R语言中的Nelson-Siegel模型在汇率预测的应用

这篇文章的目的是指导读者逐步使用R编程语言实现Nelson-Siegel模型的步骤。您可能已经知道，估计利率期限结构是任何资产定价的关键，因此对投资者和政策制定者起着重要的作用。想法是使一条连续曲线适合现有数据。就是说，给定可获取的利率和相应的到期日（通过彭博社或任何其他数据提供商），可以使用Nelson-Siegel方法得出利率的期限结构。

拓端

2020/08/10

1.2K0

R语言ARIMA集成模型预测时间序列分析

本文我们使用4个时间序列模型对每周的温度序列建模。第一个是通过auto.arima获得的，然后两个是SARIMA模型，最后一个是Buys-Ballot方法。

拓端

2020/12/30

1.1K0

R语言ARIMA集成模型预测时间序列分析

R语言使用ARIMA模型预测股票收益时间序列

腾讯云测试服务编程算法

“预测非常困难，特别是关于未来”。丹麦物理学家尼尔斯·波尔（Neils Bohr）

拓端

2022/06/08

2.4K0

R语言使用ARIMA模型预测股票收益时间序列

R语言用ARIMA模型预测巧克力的兴趣趋势时间序列

在本文中我们对在Google趋势上的关键字“ Chocolate ”序列进行预测。序列如下

拓端

2020/12/31

1K0

R语言混合图形模型MGM的网络可预测性分析

编程算法其他

网络模型已经成为抽象复杂系统，是深入了解许多科学领域中观测变量之间的关系模式的流行方法。这些应用程序大多数集中于分析网络的结构。但是，如果不是直接观察网络，而是根据数据进行估算（如：吸烟与癌症之间存在关联），则除了网络结构外，我们还可以分析网络中节点的可预测性。也就是说：网络中的所有其余节点如何预测网络中的给定节点？

拓端

2020/12/14

1.1K0

R语言混合图形模型MGM的网络可预测性分析

点击加载更多

相似问题

R:线性模型预测结果的限值/集值

10

R中GARCH模型的预测

10

R预测模型预测预测和倾向的原因%

11

无法在R中查看已构建模型的预测结果

20

几种模型的R预测

12

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例