在R中使用逻辑回归模型获取测试误差

我在R中使用R自带的Auto数据集进行逻辑回归实验。

我已经将数据集分为训练部分（80%）和测试部分（20%），并分别对每个部分进行了归一化处理。

我可以无障碍地创建模型，使用以下代码行：

mlr<-glm(mpg ~ displacement + horsepower + weight, data =train)

我甚至可以用训练集预测train$mpg：

trainpred<-predict(mlr,train,type="response")

并通过此计算样本内误差：

etab <- table(trainpred, train[,1])insampleerror<-sum(diag(etab))/sum(etab)

问题出现在我想用测试集进行预测时。我使用了以下代码行：

testpred<-predict(model_rl,test,type="response")

这会给我以下警告：

‘newdata’有79行，但找到的变量有313行

但这不起作用，因为testpred的长度与trainpred相同（应该更少）。当我想用testpred计算测试误差时，使用以下代码行：

etabtest <- table(testpred, test[,1])

我得到了以下错误：

在table(testpred, test[, 1])中出错：
所有参数必须具有相同的长度

我做错了什么？

回答：

如果有人遇到相同的问题，我来回答我自己的问题：

当我在glm中设置参数时，我是在指定我想预测的内容，即使用train数据预测Auto$mpg标签，因此，我的glm调用必须是：

attach(Auto)mlr<-glm(mpg ~ displacement + horsepower + weight, data=Auto, subset=indexes_train)

现在，如果我调用predict、table等，就不会有结构大小的问题。修正这个错误后，我的代码就可以正常工作了。

学技术