我有一个模型（fit），基于截至上个月的历史信息。现在我想使用我的模型来预测本月的情况。当我尝试调用以下代码时：
predicted <- predict(fit, testData[-$Readmit])我得到了以下错误：
Error in UseMethod("predict") : no applicable method for 'predict' applied to an object of class "train"注意事项：
- 该模型是通过caret包中的
train函数创建的，使用了随机森林算法 -
predict是一个通用函数，会根据第一个输入参数调用特定的预测函数。在我的情况下，它将是：>fit$modelInfo$label[1] "Random Forest"
因此，调用的预测方法将是：predict.randomForest。请参阅[caret文档][3]获取更多信息。
以下是生成模型和调用它的摘要源代码：
# 脚本1：创建模型fit <- train(testData[-$Readmit], testData$Readmit)saveRDS(fit, modelFileName) # 将fit对象保存到文件中# 脚本2：预测fit <- readRDS(modelFileName) # 加载之前生成的模型predicted <- predict(fit, testData[-$Readmit])注意：生成模型的执行时间大约为3小时，这就是为什么我保存对象以便之后重用的原因。
训练模型的数据集结构如下：
> str(fit$trainingData)'data.frame': 29955 obs. of 27 variables:$ Acuity : Factor w/ 3 levels "Elective ","Emergency ",..: 2 2 2 1 1 2 2 2 1 1 ...$ AgeGroup : Factor w/ 10 levels "100-105","65-70",..: 8 6 9 9 5 4 9 2 3 2 ...$ IsPriority : int 0 0 0 0 0 0 0 0 0 0 ...$ QNXTReferToId : int 115 1703712 115 3690 1948 115 109 512 481 1785596 ...$ QNXTReferFromId : int 1740397 1724801 1711465 1704170 1714272 1731911 1535 1712758 1740614 1760252 ...$ iscasemanagement : Factor w/ 2 levels "N","Y": 2 1 1 2 2 1 2 1 2 2 ...$ iseligible : Factor w/ 2 levels "N","Y": 2 2 2 2 2 2 2 2 2 2 ...$ referralservicecode : Factor w/ 11 levels "12345","278",..: 1 1 1 9 9 1 1 6 9 9 ...$ IsHighlight : Factor w/ 2 levels "N","Y": 1 1 1 1 1 1 1 1 1 1 ...$ admittingdiagnosiscode: num 439 786 785 786 428 ...$ dischargediagnosiscode: num 439 0 296 786 428 ...$ RealLengthOfStay : int 3 1 6 1 2 3 3 7 3 2 ...$ QNXTPCPId : int 1740397 1724801 1711465 1704170 1714272 1731911 1535 1712758 1740614 1760252 ...$ QNXTProgramId : Factor w/ 3 levels "QMXHPQ0839 ",..: 1 1 1 1 1 1 1 1 1 1 ...$ physicalzipcode : int 33054 33712 33010 33809 33010 33013 33142 33030 33161 33055 ...$ gender : Factor w/ 2 levels "F","M": 1 1 1 1 2 1 1 2 2 1 ...$ ethnicitycode : Factor w/ 4 levels "ETHN0001 ",..: 4 4 4 4 4 4 4 4 4 4 ...$ dx1 : num 439 786 296 786 428 ...$ dx2 : num 439 292 785 786 428 ...$ dx3 : num 402 0 250 0 0 ...$ svc1 : int 0 120 120 762 762 120 120 120 762 762 ...$ svc2 : int 120 0 0 0 0 0 0 0 0 0 ...$ svc3 : int 0 0 0 0 0 0 0 0 0 0 ...$ Disposition : Factor w/ 28 levels "0","APPEAL & GRIEVANCE REVIEW ",..: 11 11 16 11 11 11 11 11 11 11 ...$ AvgIncome : Factor w/ 10 levels "-1",">100k","0-25k",..: 3 6 3 8 3 4 3 5 4 4 ...$ CaseManagerNameID : int 124 1 1 19 20 1 16 1 43 20 ...$ .outcome : Factor w/ 2 levels "NO","YES": 1 2 2 1 1 1 2 2 1 1 ...现在，testData的结构如下：
> str(testData[-$Readmit])'data.frame': 610 obs. of 26 variables:$ Acuity : Factor w/ 4 levels "0","Elective ",..: 3 2 4 2 2 2 4 3 3 3 ...$ AgeGroup : Factor w/ 9 levels "100-105","65-70",..: 4 3 5 4 2 9 4 2 4 6 ...$ IsPriority : int 0 0 0 0 0 0 1 1 1 1 ...$ QNXTReferToId : int 2140 482 1703785 1941 114 1714905 1703785 98 109 109 ...$ QNXTReferFromId : int 1791383 1729375 1718532 1746336 1718267 1718267 1718532 98 109 109 ...$ iscasemanagement : Factor w/ 2 levels "N","Y": 2 2 2 2 2 2 1 2 2 1 ...$ iseligible : Factor w/ 2 levels "N","Y": 2 2 2 2 2 2 2 2 2 2 ...$ referralservicecode : Factor w/ 7 levels "12345","IPMAT ",..: 5 1 1 1 1 1 1 5 1 5 ...$ IsHighlight : Factor w/ 2 levels "N","Y": 1 1 1 1 1 1 1 1 1 1 ...$ admittingdiagnosiscode: num 11440 11317 11420 11317 1361 ...$ dischargediagnosiscode: num 11440 11317 11420 11317 1361 ...$ RealLengthOfStay : int 1 2 4 3 1 1 16 1 1 3 ...$ QNXTPCPId : int 3212 1713678 1738430 1713671 1720569 1791640 1725962 1148 1703290 1705009 ...$ QNXTProgramId : Factor w/ 2 levels "QMXHPQ0839 ",..: 1 1 1 1 1 1 1 1 1 1 ...$ physicalzipcode : int 34744 33175 33844 33178 33010 33010 33897 33126 33127 33125 ...$ gender : Factor w/ 2 levels "F","M": 2 1 2 1 2 2 2 1 1 2 ...$ ethnicitycode : Factor w/ 1 level "No Ethnicity ": 1 1 1 1 1 1 1 1 1 1 ...$ dx1 : num 11440 11317 11420 11317 1361 ...$ dx2 : num 11440 11317 11420 11317 1361 ...$ dx3 : num 0 1465 0 11326 0 ...$ svc1 : int 52648 27447 50040 27447 55866 55866 51595 0 99221 300616 ...$ svc2 : int 76872 120 50391 120 120 38571 120 762 120 0 ...$ svc3 : int 762 0 120 0 0 51999 0 0 0 762 ...$ Disposition : Factor w/ 14 levels "0","DENIED- Not Medically Necessary ",..: 3 5 3 4 3 3 5 3 3 5 ...$ AvgIncome : Factor w/ 10 levels "-1",">100k","0-25k",..: 6 7 5 9 3 3 6 4 3 4 ...$ CaseManagerNameID : int 1 2 3 4 5 6 7 8 9 7 ...变量结构是相同的，只是某些因子变量在测试数据中有不同的级别，因为某些变量有新值。例如：模型中的Acuity有3个级别，而在测试数据中有4个级别。
我事先没有办法知道所有变量的所有可能级别。
请提供一些建议…
提前感谢，
David
回答：
我想我找到了为什么会发生这种情况的原因…predict是一个来自stats包的通用函数。我使用命名空间::表示法来调用caret包中的函数（这是创建用户包的推荐做法），而caret包中对应的predict函数是：predict.train，这是一个内部函数，无法被外部应用程序调用。唯一调用此函数的方式是使用stats包中的通用predict函数，然后根据第一个输入参数的类别：predicted <- predict(fit, testData[-$Readmit])来识别将要调用的特定predict函数。
对于这个特定情况，此函数的类别是train，所以实际上它会调用caret包中的train.predict函数。此函数还会根据使用的算法（方法）处理所请求的特定预测函数，例如：predict.gbm或predict.glm等。这在caret的文档部分：“5.7 提取预测和类概率”中有详细说明。
因此，::表示法适用于包中的其他函数，例如：caret.train，但不适用于这个特定的predict函数。在这种情况下，需要显式加载库，以便内部可以调用predict.train函数。
简而言之，解决方案只是在调用predict函数之前添加以下一行代码：
library(caret)然后错误就会消失。
