我正在尝试使用R的glmnet包中的岭回归方法，根据多个变量来预测汽车的mpg。我已经将数据分成了训练数据和测试数据，并对分类变量进行了虚拟编码处理。

我按照以下方式拟合了一个交叉验证模型：

require("glmnet")x <- as.matrix(data.frame(cylinderDummy[,2:ncol(cylinderDummy)], trainData$displacement,            trainData$horsepower, trainData$weight, trainData$acceleration,            originDummy[,2:ncol(originDummy)]))y <- trainData$mpgcv.fit <- cv.glmnet(x, y, alpha = 1, nfolds=5,type.measure="mse")

这部分操作一切正常，然而，当我尝试在测试数据上使用拟合模型的predict()函数时，问题就出现了：

prediction <- predict(cv.fit, testData$mpg, s="lambda.1se")

我得到了以下错误信息：

Error in as.matrix(cbind2(1, newx) %*% nbeta) : error in evaluating the argument 'x' in selecting a method for function 'as.matrix': Error in t(.Call(Csparse_dense_crossprod, y, t(x))) : error in evaluating the argument 'x' in selecting a method for function 't': Error: Cholmod error 'X and/or Y have wrong dimensions' at file../MatrixOps/cholmod_sdmult.c, line 90

有谁能告诉我我做错了什么吗？谢谢！

回答：

prediction <- predict(cv.fit, testData$mpg, s="lambda.1se")

看起来testData$mpg是一个向量，模型应该使用整个测试数据集来进行预测，而不是单个的mpg值。

在你的情况下，应该是这样的

testdata <- as.matrix(data.frame(cylinderDummy[,2:ncol(cylinderDummy)], testData$displacement,        testData$horsepower, testData$weight, testData$acceleration,        originDummy[,2:ncol(originDummy)]))prediction <- predict(cv.fit, testData, s="lambda.1se")