R语言逻辑回归模型训练与测试数据不兼容问题排查

核心问题分析 #

错误提示中「现有数据（291行）与赋值数据（74行）不兼容」，结合你的数据集拆分比例（8:2，365条数据对应训练集≈291行、测试集≈74行），说明你将测试集的预测结果（74行）错误赋值给了训练集对象（291行），或存在数据集对象混淆的情况。以下是具体排查和解决步骤：

1. 检查目标赋值对象的身份 #

• 直接运行nrow(pred_model_01)，确认其行数：
  • 如果返回291：说明pred_model_01是训练集，而非测试集。你需要将预测结果赋值给测试集对象。
  • 正确操作示例：

    # 先确保正确提取测试集（基于rsample的split对象）
    test_data <- testing(your_split_object)
    # 赋值预测结果到测试集
    test_data$pred_prob <- predict(lr_model_01, newdata = test_data, type = "response")
    

2. 验证测试集的提取逻辑 #

• 确认你是通过rsample的testing()函数提取测试集，而非直接使用split对象或错误复制训练集：
  • 错误示例：test_data <- your_split_object（直接用split对象而非提取后的数据集）
  • 正确拆分代码：

    library(rsample)
    set.seed(123) # 保证拆分结果可重复
    your_split_object <- initial_split(raw_data, prop = 0.8, strata = die_in_72)
    train_data <- training(your_split_object)
    test_data <- testing(your_split_object)
    

3. 确保测试集与训练集的变量匹配 #

• 你用mice对训练集做了插补，需确认测试集的变量结构、缺失值处理逻辑与训练集一致：
  • 不能直接用原始测试集喂给基于插补后训练集训练的模型，需用训练集的插补模型处理测试集：

    # 假设imp是mice返回的训练集插补对象
    test_imputed <- predict(imp, newdata = test_data)
    # 用处理后的测试集做预测并赋值
    test_imputed$pred_prob <- predict(lr_model_01, newdata = test_imputed, type = "response")
    

4. 检查predict函数的参数 #

• 确认predict()的newdata参数明确传入测试集，避免因参数歧义导致的错误：
  • 强制指定newdata和type参数，确保预测逻辑清晰：

    predict(lr_model_01, newdata = test_data, type = "response")
    

内容的提问来源于stack exchange，提问作者for_the_love_of_cod