您是否尝试创建具有值130、150和180的新data.frame?做
New_temp = data.frame("Winding_temp_U" = c(130, 150, 180))
[我在尝试使用R中的逻辑回归进行预测时收到以下错误。
错误:“ New_temp = data.frame(motor_data $ Winding_temp_U =”]中的意外'='>
[
motor_data$Winding_temp_U
(X变量)= 130、150和180时,我试图预测motor_data $ Week_1_break(Y变量)。这是我的代码。
motor_data <-read.csv(file.choose(),header=T) attach (motor_data) motor_data$Winding_temp_U = as.numeric(motor_data$winding_temp_U) motor_data$Week_1_break = as.factor (motor_data$week_1_break) logit_1<-glm(motor_data$Week_1_break~motor_data$Winding_temp_U, binomial()) New_temp =data.frame(motor_data$Winding_temp_U = c(130, 150, 180)) predict(logit_1, New_temp, type = "response") curve(predict(logit_1, data.frame(motor_data$Winding_temp_U=x),type="resp")
我在尝试使用R中的逻辑回归进行预测时收到以下错误。错误:“ New_temp = data.frame(motor_data $ Winding_temp_U =”我正在尝试预测motor_data $ ...的意外“ =”]] >>
您是否尝试创建具有值130、150和180的新data.frame?做
New_temp = data.frame("Winding_temp_U" = c(130, 150, 180))
代替
New_temp =data.frame(motor_data$Winding_temp_U = c(130, 150, 180))
您是否尝试创建具有值130、150和180的新data.frame?做
New_temp = data.frame("Winding_temp_U" = c(130, 150, 180))