计算新测试数据中每一行的线性判别分类函数分数

Question

我无法在线性判别函数分析 (DFA) 中对新案例进行分类 - 特别是根据原始变量计算每个新测试案例的判别函数值，因此我可以绘制并覆盖训练数据中的点。

对于我的训练数据框ref，我使用z <-lda(ref$species ~ ref$v1 + ref$v2 + ref$v3 ...etc... + ref$v14) 对包含 895 行和 14 个测量变量的数据集执行了线性 DFA，我得到了 7 个 LD 函数。然后我使用predict通过z1 <-predict(z)$x获得判别函数轴上895个人中每一个人的判别函数分数

现在我想使用前两个判别函数对数千个新案例进行分类（假设它在一个简短的示例文件中有三行）。我将一个新文件 test 调用到 R 中，它具有与 ref 中的名称相同的向量（原始测量值）然后我调用 z2 <- predict(z, test) 但收到一条警告消息： "警告消息：'newdata' 有 3 行，但找到的变量有 895 行" 我怎样才能简单地将具有这些分数的新向量附加到我的测试数据框test？或者至少生成这些分数的矩阵。

尽管阅读并尝试了这两个不错的网站：here 和 here，但我还是没有设法解决问题。对于第二个链接，滚动到“判别函数的载荷”。

当然这是我缺少的一些简单的东西......也许ref 和 test 数据帧不匹配......

Answer 1

使用您列出的第二个网站的示例数据，我能够运行

wine <- read.table("http://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data", sep=",")
wine.lda <- lda(V1 ~ V2 + V3 + V4 + V5 + V6 + V7 +
    V8 + V9 + V10 + V11 + V12 + V13 + V14, wine)

#create "new" data                                
ss<-aggregate(.~V1, wine, mean)[-1]

#predict on new data
predict(wine.lda, ss)

所以我认为问题在于您如何指定模型（或者实际上是模型协变量的名称）。我认为 predict 会检查以确保

attr(wine.lda$terms,"term.labels") == names(ss)

很可能您的 lda 模型中的所有术语都有“ref$”部分，因此它们与您的新数据不匹配。我不知道为什么他们在该指南上有那个糟糕的公式符号示例。我会建议像上面那样做。从每个术语中删除 data.frame 名称并将 data.frame 作为第二个参数提供。这应该可以将名称与新数据进行匹配。