R 编程中的 predict() 函数

作者：Prajwal CN

导语

R 中的 predict() 函数可以通过输入的数据预测数值。在 R 编程中，所有涉及建模的方面都会以自己的方式使用 predict() 函数。不过值得注意的是，无论在哪种情况下，predict() 函数的功能都保持不变。

R 语言中 `predict()` 函数的语法

基于输入的数据，R 语言中的 predict() 函数可以预测数值。

predict(object, newdata, interval)

object：从线性模型中继承的类
newdata：用于预测的输入数据
interval：区间计算类型

prediction() 函数举例

为了预测值，我们首先需要一些数据。在这个例子中，我们可以导入 R 自带的数据库——“Cars”。

df <- datasets::cars

这样，我们构建了一个包含速度 speed 与距离 dist 集合的数据框：

随后，基于这些数据，我们将使用 predict() 预测之后的值。

首先，我们需要为这个数据框计算一个线性模型：

# Creates a linear model 创建线性模型
my_linear_model <- lm(dist~speed, data = df)

# Prints the model results 打印模型结果
my_linear_model

执行以下代码以计算线性模型的结果：

Call:
lm(formula = dist ~ speed, data = df)

Coefficients:
(Intercept)        speed
    -17.579        3.932

线性模型根据我们输入的数据返回了汽车的速度。现在我们有了模型，就可以应用 predict() 函数了。

# Creating a data frame 创建一个数据框
variable_speed <- data.frame(speed = c(11,11,12,12,12,12,13,13,13,13))

# Fiting the linear model 拟合线性模型
linear_model <- lm(dist~speed, data = df)

# Predicts the future values 预测未来值
predict(linear_model, newdata = variable_speed)

以上代码会产出以下结果：

      2        3        4        5
67740 25.67740 29.60981 29.60981 29.60981
       6        7        8        9       10
60981 33.54222 33.54222 33.54222 33.54222

在借助了线性模型与之前的数据后，我们成功地预测了未来的距离值。

现在，我们还需检查预测值的“置信度”水平，看看我们的预测有多准确。

预测值的置信度

我们可以借助 predict() 函数中的置信度区间(confidence interval)衡量预测值中的不确定性。

# Input data 输入数据
variable_speed <- data.frame(speed = c(11,11,12,12,12,12,13,13,13,13))

# Fits the model 拟合模型
linear_model <- lm(dist~speed, data = df)

# Predicts the values with confidence interval 在置信度区间中预测值
predict(linear_model, newdata = variable_speed, interval = 'confidence')

以上代码会产出以下输出：

fit      lwr      upr
25.67740 19.96453 31.39028
25.67740 19.96453 31.39028
29.60981 24.39514 34.82448
29.60981 24.39514 34.82448
29.60981 24.39514 34.82448
29.60981 24.39514 34.82448
33.54222 28.73134 38.35310
33.54222 28.73134 38.35310
33.54222 28.73134 38.35310
33.54222 28.73134 38.35310

您可以在以上输出中看到预测值的置信区间。

基于这个输出，我们可以预测：行驶速度为11 - 13英里/小时的汽车可能会行驶19.9到31.1英里的距离。

结语

基于之前的数据，predict() 函数可以预测数值，并将这些值拟合至模型中。

您还可以使用置信区间检查预测的准确性。