GLM预测报错：newdata行数与变量行数不匹配问题求助

我来帮你拆解下这个问题——你遇到的警告核心是变量引用的混淆：你把全量数据的列赋值给了全局变量（g、a、b、c、f），但训练模型时又指定了data=df[f=="01",]，这让glm在拟合时出现变量来源冲突，最终导致预测时无法匹配测试集的维度。

问题根源 #

看你的代码：

g = df$ontime #binary 
a = df$currency #String 
b = df$INCOTERMS #String 
c = df$price #float 
f = df$month #string 

mod1 <- glm(g~a+b+c,family=binomial(link="logit"), data=df[f=="01",])

公式g~a+b+c调用的是全局环境里的变量（这些都是全量df的列，共22488行），但data参数又指定只取1月的子集。glm虽然会按data的行索引截取全局变量的对应行来拟合，但模型内部仍会关联全量的全局变量，导致后续用16623行的测试集预测时，模型试图匹配22488行的全局变量，从而抛出警告。

正确解决方法 #

你需要让模型完全基于子集数据拟合，不要用全局变量，直接用数据框的列名构建公式，同时明确创建训练集和测试集：

# 拆分训练集和测试集
train_df <- df[df$month == "01", ]
test_df <- df[df$month %in% c("02", "03", "04"), ]

# 直接用子集列名构建模型，无需全局变量
mod1 <- glm(ontime ~ currency + INCOTERMS + price, 
            family = binomial(link = "logit"), 
            data = train_df)

# 用测试集执行预测
pred_ontime1 <- predict(mod1, newdata = test_df, type = "response")

这么做的优势：

• 模型完全基于训练集（train_df）拟合，变量来源清晰，不会和全量数据混淆
• 预测时newdata明确传入测试集（test_df），维度完全匹配，不会再出现警告

为什么包含训练集就不报错？ #

当你把训练集加入测试集后，测试集行数等于全量数据的22488行，和全局变量的行数一致，模型检测不到维度差异，但这确实不符合测试集的定义，你的判断是对的。

内容的提问来源于stack exchange，提问作者Christian R. Houen