R 中的貝葉斯建模

Question

I am trying to implement a bayesian model in R using bas package with setting up these values for my Model:

databas <- bas.lm(at_areabuilding ~ ., data = dataCOMMA, method = "MCMC", prior = "ZS-null", modelprior = uniform())

我試圖借助特定 state 的特定區域來預測給定 state 的區域； 但對於不同的 zip 代碼。 My Model basically finds the various zip codes present in the data for a given state(using a state index for this) and then gives the output.

現在，每當我嘗試預測 state 的面積時，我都會給出以下輸入：

> UT <- data.frame(zip = 84321, loc_st_prov_cd = "UT" ,state_idx = 7)
> predict_1 <- predict(databas,UT, estimator="BMA", interval = "predict", se.fit=TRUE)
> data.frame('state' = 'UT','estimated area' = predict_1$Ybma)

現在，我得到了這個 state 的 output。 假設我有一個具有給定 zip 代碼的狀態列表，並且我想在該列表上運行我的 Model （數據庫）並獲得預測，我無法使用上述方法來做到這一點，因為這需要時間。 有沒有其他方法可以做到這一點？ 我在一位紳士的幫助下做了同樣的事情，這是我的代碼：

 pred <- sapply(1:nrow(first), function(row) { predict(basdata,first[row, ],estimator="BMA", interval = "predict", se.fit=TRUE)$Ybma })

basdata：我的 Model 首先：我正在預測區域的新數據集。 現在，我面臨的問題是代碼需要很長時間才能預測值。 它遍歷每一行並計算面積。 我的數據集中有 150000 行，我會請求是否有人可以幫助我優化此代碼的性能。

Answer 1

像這樣的東西將遍歷狀態、拉鏈和索引的數據幀的每一行（我們稱之為states_and_zips ）並返回一個預測列表。 這個列表的每個元素（我稱之為pred ）都與state_and_zips的相應行一起使用：

pred = lapply(1:nrow(states_and_zips), function(row) {
  predict(databas, ~ states_and_zips[row, ], 
          estimator="BMA", interval = "predict", se.fit=TRUE)$Ybma
})

如果Ybma是單個值，則使用sapply而不是lapply ，它將返回一個預測向量，每個state_and_zips行一個，您可以將其作為新列添加到states_and_zips 。