遍历变量名

Question

我正在尝试使用不同的列（数据集中的独立变量）构建各种回归模型。

set.seed(0)
True = rnorm(20, 100, 10)
v = matrix(rnorm(120, 10, 3), nrow = 20)
dt = data.frame(cbind(True, v))
colnames(dt) = c('True', paste0('ABC', 1:6))

因此，我要输入数据的自变量是“ ABCi”，也就是当i = 1时，使用ABC1，依此类推。每个模型都使用前80％的观察值进行构建，然后对其余20％的值进行预测。

我尝试了这个：

reg.pred = rep(0, ncol(dt))
for (i in 1:nrow(dt)){
  reg = lm(True~paste0('ABC', i), data = dt[(1:(0.8*nrow(dt))),])
  reg.pred[i] = predict(reg, data = dt[(0.8*nrow(dt)):nrow(dt),])
}

无法运作...出现类似以下错误：

Error in model.frame.default(formula = True ~ paste0("ABC", i), data = dt[(1:(0.8 *  : 
  variable lengths differ (found for 'paste0("ABC", i)')

不确定如何在循环中检索变量名...任何建议，我们将不胜感激！

Answer 1

您可以使用as.formula

  f <- as.formula(
    paste("True", 
          paste0('ABC', i), 
          sep = " ~ "))

  reg = lm(f, data = dt[(1:(0.8*nrow(dt))),])

Answer 2

从技术上讲，您不需要按@Sonny的建议使用as.formula() ，但不能将公式的字符表示形式与公式表示法混合使用。 因此，您需要解决此问题。 但是，一旦这样做，您会发现代码中还有其他问题，@ Sonny要么没有注意到，要么选择不解决。

最值得注意的是

reg.pred = rep(0, ncol(dt))

表示您希望每个模型都有一个预测，但是

predict(reg, data = dt[(0.8*nrow(dt)):nrow(dt),])

表示您要针对不在训练集中的每个观测值进行预测（ 0.8*nrow(dt)您需要在0.8*nrow(dt)之后0.8*nrow(dt) +1）。

我认为以下应解决您的所有问题：

set.seed(0)
True = rnorm(20, 100, 10)
v = matrix(rnorm(120, 10, 3), nrow = 20)
dt = data.frame(cbind(True, v))
colnames(dt) = c('True', paste0('ABC', 1:6))
# Make a matrix for the predicted values; each column is for a model
reg.pred = matrix(0, nrow = 0.2*nrow(dt), ncol = ncol(dt)-1)
for (i in 1:(ncol(dt)-1)){
    # Get the name of the predictor we want here
    this_predictor <- paste0("ABC", i)
    # Make a character representation of the lm formula
    lm_formula <- paste("True", this_predictor, sep = "~")
    # Run the model
    reg = lm(lm_formula, data = dt[(1:(0.8*nrow(dt))),])
    # Get the appropriate test data
    newdata <- data.frame(dt[(0.8*nrow(dt)+1):nrow(dt), this_predictor])
    names(newdata) <- this_predictor
    # Store predictions
    reg.pred[ , i] = predict(reg, newdata = newdata)
}

reg.pred

#          [,1]     [,2]     [,3]      [,4]      [,5]     [,6]
# [1,] 100.2150 100.8394 100.7915  99.88836  97.89952 105.7201
# [2,] 101.2107 100.8937 100.9110 103.52487 102.13965 104.6283
# [3,] 100.0426 101.0345 101.2740 100.95785 102.60346 104.2823
# [4,] 101.1055 100.9686 101.5142 102.56364 101.56400 104.4447

在此预测矩阵中，每一列都来自不同的模型，并且这些行对应于数据的最后四行（这些行不在您的训练集中）。