如何构建newdata以使用训练好的GLM模型进行预测？

嘿，要让predict()正常工作，newdata的结构必须和你训练模型用的loan_data完全匹配——变量名要一致，类型要对应，尤其是因子变量的水平得和原数据一模一样，不然要么报错，要么预测结果不对。下面给你两种靠谱的构建方法：

方法1：手动构造数据框（适合明确知道因子水平的情况） #

直接用data.frame()创建，注意把因子变量的所有水平都列出来（和原数据一致），避免只写当前值导致类型不匹配：

# 构建符合要求的新数据框
newdata <- data.frame(
  loan_amnt = 4200,
  # grade的水平要和原数据一致：A到G
  grade = factor("C", levels = c("A", "B", "C", "D", "E", "F", "G")),
  # home_ownership的4个水平，按原数据顺序填全
  home_ownership = factor("MORTGAGE", levels = c("MORTGAGE", "OTHER", "OWN", "RENT")),
  annual_inc = 32500,
  age = 31,
  # ir_cat的5个水平，对应原数据的因子顺序
  ir_cat = factor("0-8", levels = c("0-8", "11-13.5", "8-10", "10-11", "13.5+")),
  # emp_cat的5个水平，按原数据顺序填写
  emp_cat = factor("0-15", levels = c("0-15", "15-30", "30-45", "45-60", "60+"))
)

方法2：基于原数据模板修改（更稳妥，避免手动写水平出错） #

从原数据里随便取一行作为模板，直接修改对应的值——这样会自动继承原数据所有变量的类型和因子水平，完全不用操心匹配问题：

# 从原数据取一行当模板（这里取第一行，任意行都可以）
newdata <- loan_data[1, ]

# 逐个修改变量的值
newdata$loan_amnt <- 4200
newdata$grade <- "C"       # 因为已经是因子，直接赋值合法水平就行
newdata$home_ownership <- "MORTGAGE"
newdata$annual_inc <- 32500
newdata$age <- 31
newdata$ir_cat <- "0-8"
newdata$emp_cat <- "0-15"

# 注：原模板里的loan_status不用管，predict时模型会自动忽略它（毕竟是因变量）

最后运行预测 #

构造好newdata之后，直接用你计划的代码就行：

predict(glm1, newdata, type = "response")

几个关键注意点 #

• 变量名必须和原数据完全一致，比如不能把loan_amnt写成loan_amount
• 因子变量的取值必须是原数据中存在的水平，比如grade不能写"H"，否则会报错
• 数值变量直接赋值数字即可，不需要额外处理

内容的提问来源于stack exchange，提问作者Nikola