在 R 中使用 lm 的正确方法答案

【问题标题】：Right way to use lm in R在 R 中使用 lm 的正确方法
【发布时间】：2013-11-20 04:35:16
【问题描述】：

我不太清楚如何使用要求公式和 data.frame 的函数，如 lm()。在网络上我对不同的方法很感兴趣，但有时 R 会给我们警告和其他东西

假设一个线性模型，其中输出向量 y 由矩阵 X 解释。

我认为最好的方法是使用 data.frame（特别是如果我们稍后要使用 predict 函数）。

在 X 是矩阵的情况下，这是使用 lm 的最佳方式吗？

n=100
p=20
n_new=50

X=matrix(rnorm(n*p),n,p)
Y=rnorm(n)
data=list("x"=X,"y"=Y)
l=lm(y~x,data)  

X_new=matrix(rnorm(n_new*p),n_new,p)
pred=predict(l,as.data.frame(X_new))

【问题讨论】：

标签： r lm

【解决方案1】：

怎么样：

l <- lm(y~.,data=data.frame(X,y=Y))
pred <- predict(l,data.frame(X_new))

在这种情况下，R 会自动构造列名 (X1 ... X20)，但是当您使用 y~. 语法时，您不需要知道它们。

或者，如果您总是要基于矩阵拟合线性回归，您可以使用 lm.fit() 并使用矩阵乘法自己计算预测：您必须使用 cbind(1,.) 添加截距列。

fit <- lm.fit(cbind(1,X),Y)
all(coef(l)==fit$coefficients)  ## TRUE
pred <- cbind(1,X_new) %*% fit$coefficients

（您也可以使用cbind(1,X_new) %*% coef(l)。）这很有效，但它会跳过很多错误检查步骤，因此请谨慎使用...

【讨论】：

好的，谢谢，这很好用。这看起来很奇怪，但我没有找到任何关于如何使用 ml 和类似东西的快速解释。
你在哪里看的？大多数将 lm 与预先存在的矩阵一起使用的人使用 lm.fit，但像 predict 这样的便利函数需要一个数据框。

【解决方案2】：

在您描述的这种情况下，您没有理由不将矩阵转换为数据框。试试：

myData <- as.data.frame(cbind(Y, X))
l      <- lm(Y~., data=myData)

【讨论】：