如何在R中构建线性与逻辑回归模型 解决连帽衫尺码预测lm报错问题

• 你构建数据集时使用cbind(hoodie, data)，由于hoodie是字符向量，R会强制将返回结果转为字符矩阵，所有字段（包括weight、shoe_size）都变成字符类型，后续转数值、因子时会出现大量NA
• lm()要求响应变量为数值型，你直接传入字符串类型的尺码字段，R强制转换失败就会触发NA/NaN/Inf in 'y'报错

不要用cbind拼接，直接在原数据框新增列，保留所有字段原始类型：

data <- data.frame(height=c(184,163,170,161,162,167,180,175,182,176,180,164,178,155,187,176,176,152,160,190),
                   weight=c(83,51,80,53,64,70,75,74,86,78,90,66,60,44,81,75,68,63,51,88),
                   shoe_size=c(44,37,42,35,38,40,43,42,44,43,45,40,40,35,44,40,42,39,36,45),
                   age=c(26,24,26,26,25,28,28,24,31,25,29,24,38,27,28,32,26,33,26,26))

# 直接新增hoodie列，不需要cbind
data$hoodie <- with(data, 
              ifelse(weight<=45, "XXS",
               ifelse(weight>45 & weight<=52, "XS",
                ifelse(weight>52 & weight<=57, "S",
                 ifelse(weight>57 & weight<=64, "M",
                  ifelse(weight>64 & weight<=75, "L", "XL"))))))

连帽衫尺码是有序分类变量，需要先指定顺序转为有序因子，再按需映射为数值：

# 指定尺码顺序，转为有序因子，不会产生NA
data$hoodie <- factor(data$hoodie, 
                      levels = c("XXS", "XS", "S", "M", "L", "XL"),
                      ordered = TRUE)

# 如果构建线性回归，需要映射为连续数值（1对应XXS，6对应XL）
data$hoodie_num <- as.numeric(data$hoodie)

3.1 线性回归模型 #

使用映射后的数值型响应变量建模：

linear_model <- lm(hoodie_num ~ weight + shoe_size, data = data)
summary(linear_model)

# 预测函数，将数值预测结果转回尺码标签
predict_linear <- function(model, newdata) {
  pred_num <- round(predict(model, newdata = newdata))
  # 限制预测值范围，避免超出尺码等级
  pred_num <- pmax(pmin(pred_num, 6), 1)
  return(levels(data$hoodie)[pred_num])
}

# 测试预测
test_df <- data.frame(weight = c(48, 62, 82), shoe_size = c(36, 40, 44))
predict_linear(linear_model, test_df)

3.2 有序逻辑回归模型 #

由于尺码是有序分类，使用有序逻辑回归比线性回归更贴合业务场景，用MASS包的polr函数实现：

library(MASS)
ord_logit_model <- polr(hoodie ~ weight + shoe_size, data = data, Hess = TRUE)
summary(ord_logit_model)

# 直接预测得到尺码标签
predict(ord_logit_model, newdata = test_df)

3.3 无序多分类逻辑回归 #

如果不考虑尺码顺序，用nnet包的multinom函数实现：

library(nnet)
multi_logit_model <- multinom(hoodie ~ weight + shoe_size, data = data)
summary(multi_logit_model)

# 预测
predict(multi_logit_model, newdata = test_df)

内容的提问来源于stack exchange，提问作者coder_bg