如何保存data.frame-to-model.matrix的映射并将其应用于新观察值？

一些建模功能，例如glmnet()，要求（或仅允许）将数据作为预测器矩阵和响应矩阵（或向量）传递，如使用公式所示。在这些情况下，通常情况是该predict()方法（例如predict.glmnet()）要求newdata参数提供一个预测器矩阵，该矩阵具有与训练模型相同的特征。

当数据框具有因子（R的分类数据类型）时，创建预测变量矩阵的便捷方法是使用该model.matrix()函数，该函数会自动为分类变量创建虚拟特征：

# this is the dataframe and matrix I want to use to train the model
set.seed(1)
df <- data.frame(x1 = factor(sample(LETTERS[1:5], replace = T, 20)),
                 x2 = rnorm(20, 100, 5),
                 x3 = factor(sample(c("U","L"), replace = T, 20)),
                 y = rnorm(20, 10, 2))

mm <- model.matrix(y~., data = df)

但是，当我引入一个带有新观察结果的数据框时，它仅包含原始数据框中因子水平的一个子集，model.matrix()（可预测地）返回一个具有不同虚拟特征的矩阵。无法使用此新矩阵，predict.glm()因为它没有模型期望的相同功能：

# this is the dataframe and matrix I want to predict on
set.seed(1)
df_new <- data.frame(x1 = c("B", "C"),
                     x2 = rnorm(2, 100, 5),
                     x3 = c("L","U"))

mm_new <- model.matrix(~., data = df_new)

有没有一种方法可以保存从数据帧到模型矩阵的转换（创建所有必要的虚拟特征），以便我可以将该转换重新应用于将来的观察？在我上面的示例中，理想情况下这将导致mm_new具有相同的功能名称，mm以便predict()可以接受mm_new。

我想补充一点，我知道这种方法，它实质上建议在调用之前包括df_newin中的观察结果。如果我有所有的观察结果，并且我只是训练和测试模型，那么这个工作很好。但是，新的观察只能在将来（在生产预测管道中）访问，并且我想避免为新的预测重新加载整个训练数据帧的开销。dfmodel.matrix()

我发现正是我的文档中需要可model.matrix和model.frame，并希望分享。在中有一个参数，它model.matrix称为xlev“用作被调用的model.frame数据的参数model.frame”。

如果model.matrix调用model.frame，则xlev期望数据帧中每个因子的字符向量列表（列表元素名称为因子名称）；否则为0。每个字符向量都包含构建model.matrix具有与原始特征相同的虚拟特征的新特征所需的全套因子水平model.matrix。

这是一个工作示例：

set.seed(1)
df <- data.frame(x1 = factor(sample(LETTERS[1:5], replace = T, 20)),
                 x2 = rnorm(20, 100, 5),
                 x3 = factor(sample(c("U","L"), replace = T, 20)),
                 y = rnorm(20, 10, 2))

mm <- model.matrix(y~., data = df)

# this is a list of levels for each factor in the original df
xlevs <- lapply(df[,sapply(df, is.factor), drop = F], function(j){
  levels(j)
})

# this is a new df with only a subset of the levels of the original factors
df_new <- data.frame(x1 = c("B", "C"),
                     x2 = rnorm(2, 100, 5),
                     x3 = c("U","U"))

# calling "xlev = " builds out a model.matrix with identical levels as the original df
mm_new <- model.matrix(~., data = df_new[1,], xlev = xlevs)

请注意，此解决方案仅处理作为原始因子水平的子集的因子水平。它并非旨在处理新的因子水平。