R中多元多项式回归预测异常：结果维度与测试集不符

这问题我太熟了！核心原因就是你调用predict()时的参数写法完全错了——你直接把一堆poly()的结果加起来传进去，这不是在给模型指定测试数据集，而是在做矩阵/向量加法，最终得到的是和训练集长度一致的特征集合，所以predict()默认用训练集的数据计算，结果自然和训练集维度一样。

反观你用简单线性回归时的写法predict(model_lm, test)是正确的：你把整个测试数据集传进去，predict()会自动根据模型的公式去提取对应变量、生成需要的特征。

为什么多项式回归这么写不行？ #

当你在lm()里写poly(training$x1, degree=2, raw=TRUE)时，模型确实会生成对应的二次项特征，但predict.lm()的newdata参数需要的是包含原始变量的数据框，而不是你手动计算好的特征矩阵。你直接传poly(test$x1,...)+...，函数根本识别不出这是测试数据，反而会用训练集的特征来计算预测值。

两种解决方案 #

方案一：用公式+数据框的标准写法（推荐）

建模时不要直接用training$x1这种形式，而是通过data参数指定数据集，让模型自动关联变量。预测时直接传测试数据集即可，predict()会自动帮你生成对应的多项式特征：

# 构建多项式回归模型，用data参数指定训练集
model_poly = lm(y ~ poly(x1, degree=2, raw=TRUE) + poly(x2, degree=2, raw=TRUE) + 
                  poly(x3, degree=2, raw=TRUE) + poly(x4, degree=2, raw=TRUE) + 
                  poly(x5, degree=2, raw=TRUE) + poly(x6, degree=2, raw=TRUE) + 
                  poly(x7, degree=2, raw=TRUE) + poly(x8, degree=2, raw=TRUE) + 
                  poly(x9, degree=2, raw=TRUE) + poly(x10, degree=2, raw=TRUE), 
                data = training)

# 预测时直接传入测试数据集
poly_predictions = predict(model_poly, newdata = test)

这种写法不仅简洁，还能避免手动生成特征时可能出现的列名不匹配、维度不一致等问题。

方案二：手动生成多项式特征数据框

如果你一定要手动处理特征，可以先把训练集和测试集的多项式特征整理成结构一致的数据框，再建模和预测：

# 生成训练集特征数据框，包含响应变量y
train_poly_features = data.frame(
  y = training$y,
  poly(x1, degree=2, raw=TRUE),
  poly(x2, degree=2, raw=TRUE),
  poly(x3, degree=2, raw=TRUE),
  poly(x4, degree=2, raw=TRUE),
  poly(x5, degree=2, raw=TRUE),
  poly(x6, degree=2, raw=TRUE),
  poly(x7, degree=2, raw=TRUE),
  poly(x8, degree=2, raw=TRUE),
  poly(x9, degree=2, raw=TRUE),
  poly(x10, degree=2, raw=TRUE)
)

# 基于特征数据框建模
model_poly = lm(y ~ ., data = train_poly_features)

# 生成测试集特征数据框（注意不要包含y，列名要和训练集完全一致）
test_poly_features = data.frame(
  poly(test$x1, degree=2, raw=TRUE),
  poly(test$x2, degree=2, raw=TRUE),
  poly(test$x3, degree=2, raw=TRUE),
  poly(test$x4, degree=2, raw=TRUE),
  poly(test$x5, degree=2, raw=TRUE),
  poly(test$x6, degree=2, raw=TRUE),
  poly(test$x7, degree=2, raw=TRUE),
  poly(test$x8, degree=2, raw=TRUE),
  poly(test$x9, degree=2, raw=TRUE),
  poly(test$x10, degree=2, raw=TRUE)
)

# 预测
poly_predictions = predict(model_poly, newdata = test_poly_features)

这种方法要特别注意训练集和测试集的特征列名必须完全相同，否则predict()会报错找不到变量。

关键知识点回顾 #

predict.lm()的newdata参数要求传入一个包含模型公式中所有原始变量的数据框，函数会自动根据公式生成所需的衍生特征（比如多项式、交互项）。如果你直接传计算好的特征矩阵，函数会默认使用训练集的model.frame来计算，这就是你得到训练集维度预测结果的根本原因。

内容的提问来源于stack exchange，提问作者drakedog