R语言GBM模型预测值与实际值对比方法及长度报错求解

数据集选择逻辑 #

• 模型泛化效果对比必须使用未参与训练的独立验证集validate，不能用全量insure数据集，也不能仅用训练集结果代表模型真实性能：
  • 训练集trainds是模型拟合时已经接触过的数据，在训练集上的预测误差会偏乐观，无法反映模型对新数据的泛化能力
  • 全量insure数据集包含了训练集样本，用它做评估会混入训练集的乐观偏差，结果不可信
  • 验证集validate是拆分时预留的、模型训练全程没见过的数据，只有在这个数据集上的预测-实际对比，才能真实反映模型的落地预测效果

报错原因 #

你代码触发'x' and 'y' lengths differ错误的核心原因是参数使用错误：
predict(fit.gbm)没有指定newdata参数时，默认返回的是训练集trainds上的预测值，长度为训练集样本量（总数据的80%），但你传入的y轴变量是validate$charges，对应验证集样本量（总数据的20%），两个向量长度不匹配，自然会报错。

正确实现代码 #

# 1. 显式指定在验证集上生成预测值，保证预测值和验证集样本一一对应
pred_gbm_validate <- predict(fit.gbm, newdata = validate)

# 可选：执行前先校验长度，避免长度不匹配报错
stopifnot(length(pred_gbm_validate) == length(validate$charges))

# 2. 绘制预测值-实际值对比图
plot(
  x = pred_gbm_validate,
  y = validate$charges,
  xlab = "Predicted Charges",
  ylab = "Observed Charges",
  main = "GBM Model Performance on Validation Set"
)
# 添加y=x参考线，散点越贴近该线说明预测精度越高
abline(a = 0, b = 1, col = "red", lwd = 2)

可选补充操作 #

• 如果需要查看模型对训练集的拟合效果，可以单独在训练集上生成预测值绘图，注意x、y必须来自同一个数据集：

  pred_gbm_train <- predict(fit.gbm, newdata = trainds)
  plot(pred_gbm_train, trainds$charges, xlab="Train Predicted", ylab="Train Observed")
  abline(0,1,col="red",lwd=2)
  

• 除了绘图，还可以计算量化评估指标，比如用caret包内置函数算验证集RMSE、R²：

  library(caret)
  # 验证集RMSE，值越小说明预测误差越小
  RMSE(pred = pred_gbm_validate, obs = validate$charges)
  # 验证集R2，值越接近1说明模型解释力越强
  R2(pred = pred_gbm_validate, obs = validate$charges)
  

内容的提问来源于stack exchange，提问作者W.tan