Функция glm не принимает правильный набор данных

Question

Я только что начал изучать R и работал над набором данных, который имеет 1470 случаев. Имя набора данных - ABC. Используя as.factor, я превратил категориальные переменные в качестве факторов.

Dept_1 <- as.factor(ABC$Dept) 
Education_1 <- as.factor(ABC$Education) 
BusinessTravel_1 <- as.factor(ABC$BusinessTravel) 

После этого я разделить набор данных на поезд и test.Number случаев как для поезда и тестовых данных кажется идеальным. Затем я использую функцию GLM используя синтаксис ниже

fit = glm(attrition~Dept_1+Education_1+BusinessTravel_1,binomial(link="logit"),train) 

Fit пробегов уравнения, но он запускается на выполнение по всему набору данных ABC с 1470 случаями вместо поезда набора данных 1028 записей.

Невозможно понять, в чем проблема.

Answer 1

Когда вы сделаете это:

Dept_1 <- as.factor(ABC$Dept) 
Education_1 <- as.factor(ABC$Education) 
BusinessTravel_1 <- as.factor(ABC$BusinessTravel) 

вы на самом деле создаете три новые переменные в глобальной среде, а не в оригинальной рамке ABC данных. Из-за этого, когда вы разделите ABC на тренировочные и тестовые образцы, новые переменные не будут затронуты.

Когда вы идете, чтобы соответствовать моделям, вашего glm вызова

fit = glm(attrition~Dept_1+Education_1+BusinessTravel_1,binomial(link="logit"),train) 

будет искать переменные, перечисленные в формуле. Он не найдет их в наборе данных train, но он найдет их в глобальной среде. Вот почему они имеют первоначальную длину.

То, что вы, вероятно, хотел это

ABC$Dept_1 <- as.factor(ABC$Dept) 
ABC$Education_1 <- as.factor(ABC$Education) 
ABC$BusinessTravel_1 <- as.factor(ABC$BusinessTravel) 

, который будет создавать переменные в кадре ABC данных.