如何预测未来的值而不是已知列？ [复制]

Question

我试图预测 R 中 data.frame 中的未来值，但我一直得到与我预测的列相同的所有数字。这是代码-

df=read.csv(file="D://Users/me/Documents/df.csv", header=FALSE, row.names=NULL)

df <- data.frame(t(df))

df <- df[-c(21),]

fit <- lm(X1~., data=df)
predict(fit)

预测的值如下-

V1  V2  V3  V4  V5  V6  V7  V8  V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 
4   8  13  16  19  24  26  31  34  37  40  42  46  50  56  58  59  64  72  80 

这些数字与 X1 列中的数字完全相同。我正在尝试根据之前的所有列（包括 X1）以及概率来预测下一列。当我执行plogis(predict(fit)) 时，我得到以下信息。

   V1        V2        V3        V4        V5        V6        V7        V8        V9       V10 
0.9820138 0.9996646 0.9999977 0.9999999 1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 
  V11       V12       V13       V14       V15       V16       V17       V18       V19       V20 
1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 1.0000000 

因此，如您所见，它看起来有点像是在做出预测，但概率如此之高，以至于数字与列完全匹配。

如何预测下一列？然后我如何预测之后的列？等等

Answer 1

你正在做的是：

从 csv 文件加载数据

df=read.csv(file="D://Users/me/Documents/df.csv", header=FALSE, row.names=NULL)

转置你加载的内容

df <- data.frame(t(df))

去掉第21行

df <- df[-c(21),]

在 DV 为 X1 的前一个数据帧上拟合线性回归模型，并使用所有剩余变量作为预测变量

fit <- lm(X1~., data=df)

在您的模型上调用函数 predict

predict(fit)

在 R 中，当您执行最后一项时，您是在告诉 R 预测用于拟合原始模型的数据点。这通常是验证训练结果的一种方式。如果您想预测新值（新数据集），则必须使用要预测的新数据指定数据集

predict(fit, newdata = myNewDF)

这个 myNewDF 应该是一个数据框，其中包含您尝试预测的 X1 之外的所有变量。

希望对你有帮助