Иногда при разделении фрейма данных с категориальными столбцами на тестовый и обучающий набор обучающий набор не будет содержать все уровни категориальной переменной. Когда вы затем обучите модель и попытаетесь предсказать набор тестов, прогноз не удастся:
Например:
x <- data.frame(...) # data frame with columns with very dispersed categorical variables
set.seed(123)
smp_size <- floor(0.75 * nrow(x))
train_idx <- sample(seq_len(nrow(x)), size = smp_size)
train_set <- x[train_idx, ]
test_set <- x[-train_idx, ]
m <- lm(some_formula, data=train_set)
predict(m, newdata=test_set)
Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) :
factor xxxx has new levels yyy ...
Кто-нибудь знает удобный способ установить уровни всех категориальных переменных как в обучающем, так и в тестовом наборе на уровни в исходном наборе данных?
Спасибо.