逻辑回归错误：测试数据中分类列中的新级别

Question

当我尝试在 R 中使用逻辑回归模型进行预测时，出现以下错误：

错误

pred model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) 中的错误： 因子 admission_type_id 有新的 8 级

据我了解，“admission_type_id”列的测试数据与训练数据相比有了新的水平。 我尝试查看唯一值，发现训练数据具有测试数据的所有值。

独特（train$admission_type_id）
1 1 3 2 6 5 8 4
等级：1 2 3 4 5 6 7 8

独特（test$admission_type_id）
1 6 1 2 3 5 8
等级：1 2 3 4 5 6 7 8

如果有人能帮助我理解这个问题，那将是非常有帮助的。 谢谢。

Answer 1

问题是一个/多个预测变量的因子水平不同：

例如，我正在使用 mtcars 数据。它也应该出现在您的会话中。（在代码之间阅读我的 cmets）

mtcars_train <- mtcars[mtcars$cyl %in% c(4,6),] #Consider this as train data
mtcars_train$cyl <- as.factor(mtcars_train$cyl) #Changing cyl to factor, here cyl values are 4 and 6 only, notice there is no 8

mtcars_orig <- mtcars #Taking the entire data which contain cyl values as 4,6 and 8
mtcars_orig$cyl <- as.factor(mtcars_orig$cyl) #Converting to factors, here again we can see that levels(mtcars_orign$cyl) is 4,6 and 8

lm1 <- lm(am ~ mpg + cyl + hp , data=mtcars_train) # Building the model
predict(lm1, newdata=mtcars_orig) #Now if you try to predict you will receive the error of having missing classes

lm1$xlevels[["cyl"]] <- union(lm1$xlevels[["cyl"]], levels(mtcars_orig$cyl)) #You can fix this here by running this code, it will append the levels to your original lm1 model here

如果你运行 predict 运行最后一步，你就会得到你的结果。

predict(lm1, newdata=mtcars_orig)

我的建议是，获取一个可以很好地代表整个数据集的训练样本，并且你的训练和测试应该匹配，如果因子水平不匹配，这个错误总是会出现。