Predict.svm 中的错误：测试数据与模型不匹配

我有一个大约 500 行和 170 列的数据框。我正在尝试使用 e1071 包中的 svm 运行分类模型。分类变量称为“SEGMENT”，是一个有 6 个级别的因子变量。数据框中还有其他三个因子变量，其余都是数字。

data <- my.data.frame
# Split into training and testing sets, training.data and testing.data
.
.
.
fit <- svm(SEGMENT ~ ., data = training.data, cost = 1, kernel = 'linear', 
+ probability = T, type = 'C-classification')

该模型运行良好。

Parameters:
SVM-Type:  C-classification 
SVM-Kernel:  linear 
   cost:  1 
   gamma:  0.0016 

Number of Support Vectors:  77

( 43 2 19 2 2 9 )

Number of Classes:  6 

Levels: 
EE JJ LL RR SS WW

当我尝试在 data.testing 上测试模型时出现问题，该模型是结构化的exactly就像训练集一样：

x <- predict(fit, testing.data, decision.values = T, probability = T)

然后事情就发生了相当惊人的爆炸：

Error in predict.svm(fit, newdata = testing, decision.values = T, probability = T) : 
test data does not match model !

非常欢迎提出想法。

当测试数据和训练数据中的列不相同时，就会发生这种情况。 尝试 str(training.data) 和 str(testing.data) 除了需要预测的变量之外，它们应该具有相同的变量。 仅包含您想要在 svm 训练模型中用于预测的因素。

For eg:

fit <- svm(SEGMENT ~ ., data = training.data[,1:6], cost = 1, kernel = 'linear', 
+ probability = T, type = 'C-classification')     


x <- predict(fit, testing.data[,1:5], decision.values = T, probability = T)