R语言线性模型使用因子特征时predict()函数报错如何解决？

报错的核心原因是模型训练阶段Smoker_YN、Male_YN、Caesarean_YN这几个二值列被识别为因子类型，R原生lm()函数拟合因子预测变量时，会自动为非参照水平添加数字后缀生成衍生变量名（比如二值因子Smoker_YN的第二个水平会被重命名为Smoker_YN1），但测试集里的对应列是原始数值型，不存在衍生后的列名，因此预测时匹配不到变量。
你之前直接提取LinearModel$finalModel做预测也放大了这个问题：caret的train返回的完整模型对象自带预处理对齐逻辑，但底层的lm对象没有保留这部分逻辑，直接调用会跳过变量校验对齐步骤。

方案1（优先推荐）：用caret返回的完整模型对象做预测 #

不需要提取finalModel，直接用train生成的LinearModel对象调用predict，caret会自动对齐训练集和测试集的变量规则：

lmPredictions <- predict(LinearModel, newdata = test)

90%以上的同类问题都可以通过这个方法直接解决。

方案2：强制明确二值列为数值类型，重新训练模型 #

如果方案1无效，可在训练前强制指定所有二值列为数值类型，避免被误识别为因子：

# 校验并转换训练集列类型
str(train)
train$Smoker_YN <- as.numeric(train$Smoker_YN)
train$Male_YN <- as.numeric(train$Male_YN)
train$Caesarean_YN <- as.numeric(train$Caesarean_YN)
# 同步转换测试集列类型
test$Smoker_YN <- as.numeric(test$Smoker_YN)
test$Male_YN <- as.numeric(test$Male_YN)
test$Caesarean_YN <- as.numeric(test$Caesarean_YN)

# 重新训练模型
set.seed(3)
control <- trainControl(method="cv", number = 5)
LinearModel <- train(LungCap ~ ., data = train, method = "lm", trControl = control)
LM <- LinearModel$finalModel

# 再执行预测即可
lmPredictions <- predict(LM, newdata = test)

方案3（兜底方案）：修改lm对象的变量名规则 #

如果你必须使用已训练好的finalModel对象做预测，可以手动修改模型的系数名和变量属性，对齐测试集列名：

# 清除系数名的数字后缀
names(LM$coefficients) <- gsub("(Smoker_YN|Male_YN|Caesarean_YN)1", "\\1", names(LM$coefficients))
# 同步更新模型的terms属性变量列表
attr(LM$terms, "variables") <- list(
  as.name("LungCap"), 
  as.name("Age"), 
  as.name("Height"), 
  as.name("Smoker_YN"), 
  as.name("Male_YN"), 
  as.name("Caesarean_YN")
)

# 再执行预测即可
lmPredictions <- predict(LM, newdata = test)

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