我使用了一个lars模型，并将其应用于一个包含数值数据和因子的大型数据集（75个特征）。
我通过以下方式训练模型：
mm <- model.matrix(target~0+.,data=data)larsMod <- lars(mm,data$target,intercept=FALSE)这在样本内提供了很好的拟合。如果我通过以下方式将其应用于测试数据：
mm.test <- model.matrix(target~0+.,,data=test.data)predict(larsMod,mm.test,type="fit",s=length(larsMod$arc.length))那么我会得到以下错误信息：
Error in scale.default(newx, object$meanx, FALSE) : length of 'center' must equal the number of columns of 'x'我认为这与数据集中因子水平的差异有关。然而
which(! colnames(mm.test) %in% colnames(mm) )返回的是空结果，而
which(! colnames(mm) %in% colnames(mm.test) )返回了3个索引。因此，训练集中有3个因子水平在测试集中不存在。这为什么会引起问题？我该如何解决这个问题？
下面的代码通过一个玩具示例说明了这一点。在测试数据集中，因子没有“l3”这一水平。
require(lars)data.train = data.frame( target = c(0,1,0,1,1,1,1,0,0,0), f1 = rep(c("l1","l2","l1","l2","l3"),2), n1 = rep(c(1,2,3,4,5),2))test.data = data.frame(f1 = rep(c("l1","l2","l1","l2","l2"),2),n1 = rep(c(7,4,3,4,5),2) )mm <- model.matrix(target~0+f1+n1,data = data.train)colnames(mm)length(colnames(mm))larsMod <- lars(mm,data.train$target,intercept=FALSE)mm.test <- model.matrix(~0+f1+n1,data=test.data)colnames(mm.test)length( colnames(mm.test) )which(! colnames(mm.test) %in% colnames(mm) )which(! colnames(mm) %in% colnames(mm.test) )predict(larsMod,mm.test,type="fit",s=length(larsMod$arc.length))回答：
我可能在这里大错特错，但在我的领域中，如果预测函数找不到它期望的变量，就无法工作。所以我尝试了如果强制模型矩阵中不存在于测试数据中的因子（f1l3）为0会发生什么。
注意1：我在测试数据中创建了一个目标变量，因为否则无法运行你的代码
set.seed(123)test.data$target <- rbinom(nrow(test.data),1,0.2)#proof of concept:mm.test <- model.matrix(target~0+f1+n1,data=test.data)mm.test1 <- cbind(f1l3=0,mm.test)predict(larsMod,mm.test1[,colnames(mm)],type="fit",s=length(larsMod$arc.length)) #runs#runs!现在推广到允许在测试数据中因子缺失时创建一个“完整”的模型矩阵。
#missing columnsmis_col <- setdiff(colnames(mm), colnames(mm.test))#matrix of missing levelsmis_mat <- matrix(0,ncol=length(mis_col),nrow=nrow(mm.test))colnames(mis_mat) <- mis_col#bind togethermm.test2 <- cbind(mm.test,mis_mat)[,colnames(mm)] #to ensure ordering, yielded different results in my testingpredict(larsMod,mm.test2,type="fit",s=length(larsMod$arc.length)) #runs注意2：我不知道如果问题反过来（测试数据中存在训练数据中没有的因子）会发生什么
