如何解决predict.lm()报错：变量'affinity'的拟合类型为“nmatrix.1”，但提供了“numeric”类型。

Question

我有一个简单的线性模型：

mylm = lm(formula = prodRate~affinity, mydf)

其中mydf是一个数据框，看起来像：

 prodRate    affinity

1  2643.5744 0.005164040

2  2347.6923 0.004439970

3  1783.6819 0.003322830

当我使用predict.lm()时出现了一个错误：

my_pred= predict(mylm,newdata=data.frame(affinity=seq(0,1,0.1)) )

错误：变量'affinity'被安装了"type "nmatrix.1"，但提供的类型为"numeric"。

这是为什么？如何解决？谢谢！

- Paul.j

---

我实际上读了那篇帖子，但不明白我的数据框mydf有什么问题，它是一个正常的数据框，有两列名称为"prodRate"和"affinity"。能否请您给我一些提示？ - Paul.j

请问您能够发布 str(mydf) 吗？ - user20650

str(mydf) 'data.frame': 16 行 2 列的观测值： $ prodRate: num 2644 2348 1784 1685 1416 ... $ affinity: num [1:16, 1] 0.00516 0.00444 0.00332 0.00307 0.00271 ... - Paul.j

好的，因此亲和力被添加到数据框中作为一个[16,1]矩阵而不是向量（我的术语可能有点不准确）。你是否使用mydf$affinity <- matrix(somenumbers)创建了数据框？尝试使用mydf <- data.frame(prodRate , affinity)来创建它。 - user20650

或者一个快速解决方法：在lm调用中将你的亲和性包装在as.vector(affinity)中，即 mylm <- lm(formula = prodRate ~ as.vector(affinity), mydf)。 - user20650

Answer 1

感谢与用户20650的讨论（见上文），我们找到了这个bug:

mylm = lm(formula = prodRate~affinity, mydf)中的mydf是通过将类似矩阵的列添加到现有的数据框mydf中创建的，方法如下:

mydf$affinity = matrix(somenumber)

即mydf中的“affinity”列是由矩阵制成的，其结构仍为矩阵。这种矩阵结构和newdata=data.frame(affinity=seq(0,1,0.1))中的“affinity”列在predict(mylm,newdata=...)中不一致，后者是数字向量。

解决方案1：将mydf修正为以下内容 mydf <- data.frame(prodRate , affinity)。 即确保mydf的affinity列具有向量样式的结构。

解决方案2：保持原始的mydf，但强制使用公式中的mydf$affinity作为向量： mylm <- lm(formula = prodRate ~ as.vector(affinity), mydf) 这样，在线性模型“mylm”中的自变量“affinity”将具有向量样式的结构，而不是矩阵样式的结构，这将与newdata=data.frame(affinity=seq(0,1,0.1))中的数字向量一致。

- Paul.j