[英]Combining regression summary outputs from multiple samples into a single dataframe in R
我正在嘗試將多個lm
輸出組合到一個數據框中,以進行進一步的計算。 我有一個包含 1000 個觀察值和 62 個變量的數據集。 該項目是隨機分割數據集 63/37,訓練模型,重復 1000 次並保存所有 1000 次運行的系數、擬合值和 r2。 所以我在這里做大部分(使用mtcars
):
data("mtcars")
f <- function () {
fit <- lm(mpg ~ ., data = mtcars, subset = sample <- sample.int(n = nrow(mtcars), size = floor(.63*nrow(mtcars)), replace = F))
coef(fit)
}
output <- t(replicate(1000, f()))
我知道我可以使用summary(fit)$r.squared
獲得 rsq 值,並且我可以使用predict()
來獲得擬合值。 我只是在苦苦思索如何使用保存的系數將它們放入數據框中。
下面應該做
get_model <- function (input_data) {
fit <- lm(mpg ~ .,
data = mtcars,
subset = sample <- sample.int(n = nrow(mtcars),
size = floor(.63*nrow(mtcars)), replace = F)
)
return(fit)
}
get_results <- function(lm_model){
data <- data.frame()
data <- rbind(data, coef(lm_model))
data <- cbind(data, summary(lm_model)$r.squared)
colnames(data) <- c(names(mtcars), "rsquared")
return(data)
}
# running the above
input_data <- mtcars
general_df <- data.frame()
for(i in 1:1000){
my_model <- get_model(input_data)
final_data <- get_results(my_model)
general_df <- rbind(general_df, final_data)
}
你非常接近:
library(tidyverse)
library(modelr)
data("mtcars")
get_data_lm <- function(data_df, testPCT = 0.37){
data_resample <- modelr::crossv_mc(data_df, n = 1, test = testPCT)
fit <- lm(mpg ~ ., data = as.data.frame(data_resample$train))
stats <- c(coef(fit),
"R2" = summary(fit)$r.squared,
"AdjR2" = summary(fit)$adj.r.squared)
pred_vals <- predict(fit, newdata = as.data.frame(data_resample$test))
c(stats, pred_vals)
}
output <- t(replicate(1000, get_data_lm(mtcars)))
您唯一需要做的就是連接您想要的其他統計數據和預測值。 或者,您可以使用並行sapply()
變體來顯着加快模擬速度。
另一條評論:我使用來自modelr::
包的crossv_mc()
函數來創建一個測試和訓練分區。 但是,我本可以在函數外使用n = 1000
來代替; 這將在我的工作環境中創建一個重采樣數據框,供我apply()
一個函數。 有關更多信息,請參閱modelr::
GitHub 頁面。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.