#多项式回归/拟合
cc<-sunspots[1:120];x=1:120
fitm<-lm(cc~poly(x,5))
plot(cc,col=rainbow(12),type='o',tck=0.01);
lines(fitm$fitted,lty=3,lwd=3,col='green')
summary(fitm);
coef(fitm);confint(fitm);anova(fitm)
deviance(fitm);df.residual(fitm) #拟合模型的偏差及残差自由度
plot(hatvalues(fitm));plot(rstudent(fitm)); #帽子值，学生化残差值、距离统计量近似值
plot(cooks.distance(fitm))
#根据模型预测——多项式
ccpred<-predict(fitm,data.frame(x=121:140));ccpred
plot(cc,xlim=c(1,140),col=terrain.colors(12),type='o',tck=0.01);
lines(fitm$fitt,col='blue',lwd=4)
points(121:140,ccpred,col='red',pch=15,cex=0.6)
=============================================
出现错误：
Warning message:
'newdata'必需有60行 但变量里有180行
训练集里面的变量名与验证集上变量名不一样；
而训练集因为取出的时候重新命名了所以没有影响
predict()使用时,newdata的列名必须和training set的列名相同；
test_hat<-predict(lm2,newdata=data_test,interval="predict")#得到新数据集的预测值，interval="predict"表示给出置信区间
===============================================
报错三种：
#1. object 'lm2' not found#某个变量名找不到
#2.numeric 'envir' arg not of length one#这个错误很明显，一看就知道是新数据就一个数或向量，就不用解释了（已经说了必须是数据框）
#3. 'newdata' had 2 rows but variables found have 7 rows #新数据集的行数和模型的数据量不匹配，其实即使匹配了预测得到的结果也不是你想要的结果，而是原模型自身的拟合结果，不信你完全可以试试，预测之后你可以对比原模型的拟合值（只需调用lm2$fitted.values即可），你会发现不管你怎么改变新数据集，预测值都还是原模型的拟合值（即lm2$fitted.values）。

解决：
#这里最关键的步骤就是必须保证data_test的列名必须和data1完全保持一致，不然肯定会报错或者警告；
#假设因变量就是data1的第一列
colnames(data_test)<-colnames(data1)[-1]#这一步绝对不能省，否则必然报错