在R中运行mlogit函数后进行预测

这是我想做的，但是似乎没有predict办法进行mlogit。有任何想法吗？

library(mlogit)
data("Fishing", package = "mlogit")
Fish <- mlogit.data(Fishing, varying = c(2:9), shape = "wide", choice = "mode")

Fish_fit<-Fish[-1,]
Fish_test<-Fish[1,]
m <- mlogit(mode ~price+ catch | income, data = Fish_fit)
predict(m,newdata=Fish_test)

这是一个有用的技巧：将要预测的数据添加到原始估计样本中，但是使用weights变量将这些新观测值的权重设置为零。估计模型（将新观察值加权为零），然后从“概率”输出中获得预测。这样，您就可以绕开预测函数，这很麻烦。

至少在我使用的版本中，mlogit软件包确实具有predict（）方法（R 2.15.3为0.2-3）。

@Zach编写的代码中有一个错误。mlogit（）使用的“长格式”数据在每个替代项中都有一行；这是mlogit.data（）函数创建的格式。因此，要获得第一种情况的预测，您需要提取该情况下的所有行，共有4行：

Fish_fit<-Fish[-(1:4),]
Fish_test<-Fish[1:4,]
m <- mlogit(mode ~price+ catch | income, data = Fish_fit)
predict(m,newdata=Fish_test)

这给出了很好的结果。

在尝试使用预测函数进行大量的努力之后，我想我可以为您的所有答案添加一些见解。

predictmlogit 的功能运行良好，您只需要进行一些调整，并确保注意以下事项：

1. 的newdata（如预期）应该包括完全一样的数据作为用于模型的估计的样本。这意味着应该检查数据的“隐藏”属性（例如factor，继承不存在的级别的属性- droplevel在这种情况下可能有用-或没有引入采样因子，或者有误colname等）。

2. 您必须在newdata中进行任意选择（如果不存在），可以使用以下sample函数轻松完成：

   MrChoice <-sample(c("Car", "Bus", "Walk"),nrow(datase),replace=TRUE, prob = c(0.5, 0.4, 0.1))
   mynewData$mode<-MrChoice

3. 下一步需要使用与示例数据相同的功能，将数据再次转换为mlogit数据，例如：

   ExpData3<- mlogit.data(mynewData, shape="wide", choice = "mode",sep=".",id = "TripID")

4. 最后一步是使用该predict函数进行实际预测。

   resulted<-predict(ml1,newdata=ExpData3)

为了回答我自己的问题，我转而使用'glmnet'软件包来拟合我的多项式logit，它具有使用套索或弹性网对我的自变量进行正则化的附加优点。glmnet似乎比mlogit更加“完成”，并带有“ predict”功能。

mlogit具有预测功能，但是我发现它很难使用。我为自己拥有的实现编写了非常丑陋的函数集。欢迎任何人使用或改进它们，它们存储在我的github个人资料中。

我敢肯定，使用给定的mlogit包，可以先使用fit函数，再使用标准R预测函数，轻松完成此操作。由于叶绿素指出，虽然我还没有做到我自己还没有（至少不是预测），包中的小插曲是所示例这里在第29页。