r - 使用 R 线性回归进行机器学习

Question

我使用 R 来编写机器学习代码。我的项目场景如下所述。 我使用 MongoDB 进行数据库存储。在 mongo db 中，我每 5 分钟就有一个集合。添加了一份新文档。集合描述如下。

 {
"_id" : ObjectId("521c980624c8600645ad23c8"),
"TimeStamp" : 1377605638752,
"cpuUsed" : -356962527,
"memory" : 2057344858,
"hostId" : "200.2.2.2"
 }

现在我的问题是，使用上述文档我想预测接下来的 5 分钟、10 分钟或 24 小时。 cpuUsed 和内存值。为此，我编写了如下 R 代码

library('RMongo')
mg1 <- mongoDbConnect('dbname')
query <- dbGetQuery(mg1,'test',"{'hostId' : '200.2.2.2'}")
data1 <- query[]
cpu <- query$cpuUtilization
memory <- query$memory
new <- data.frame(data=1377678051) # set timestamp for calculating results
predict(lm(cpu ~   data1$memory + data1$Date ), new, interval="confidence")

但是，当我执行上面的代码时，它显示了以下输出

           fit        lwr       upr
    1    427815904  -37534223 893166030
    2   -110791661 -368195697 146612374
    3    137889445 -135982781 411761671
    4   -165891990 -445886859 114102880
    .
    .
    .
    n    

使用此输出我不知道哪个 cpuUsed 值用于预测值。 如果有人知道请帮助我。 谢谢。

Answer 1

newdata预测的参数需要包含拟合中使用的变量:

new <- data.frame(memory = 1377678051, Date=as.Date("2013-08-28))

只有这样它才真正用于预测，否则您会得到拟合值。

然后您可以cbind new 的预测值.