Generowanie okresów prognozy dla ponad 1 modelu liniowego w R?

Question 1

Próbuję wygenerować odstępach prognozowania przy użyciu funkcji predict() dla nowego zestawu danych, ale dla więcej niż jednego modelu, stworzonej mną do zbioru danych. Jestem stosunkowo niedoświadczonych w obsłudze lapply, ale uważam, że to powinno być pomocne w tym procesie:

#Calling in my libraries:
library(dplyr)

#Creating dataset:

DNase <- DNase

#Generating models, one for each "Run" in DNAse:
model_dna <- DNase %>% 
  group_by(Run) %>% 
  do(model_dna_group = lm(log(density) ~ log(conc), data = .)) %>%   ungroup()

#Creating a new data set to be used to generate predictions:
new_dna <- as.data.frame(DNase$conc) %>% 
  mutate(conc = DNase$conc * 2) %>% select(conc)

#Attempting to apply predict to these models for a new data frame:
new_dna_w_predictions <- lapply(
                           X = model_dna, 
                           FUN = predict, 
                           newdata = new_dna, 
                           interval = "prediction", 
                           level = 0.9
                          )

Jednak to prowadzi do następnej błędzie:

Błąd w get(jak.symbol(ZABAWA), tryb = "funkcja", otoczenie = otoczenie) : obiekt "model_dna" trybu "funkcja" nie znaleziono

Nie jestem pewien, jak najlepiej uporządkować tę funkcję lapply, zwłaszcza, gdy jest używany w więcej niż jednym modelu. Czy w ogóle jest bardziej czysty sposób podejść do tego?

Question 2

Tu masz pełna tidyverse rozwiązanie:

# Calling in my libraries:
library(dplyr)
library(purrr)

# Creating dataset:
DNase <- DNase

# Creating a new data set to be used to generate predictions:
new_dna <- DNase %>% transmute(conc = conc * 2)  # simplified

# Generating models, one for each "Run" in DNAse:
model_dna <- DNase %>% 
  group_by(Run) %>% 
  summarise(model_dna_group = list(lm(log(density) ~ log(conc))))
  
model_dna
#> # A tibble: 11 x 2
#>    Run   model_dna_group
#>    <ord> <list>         
#>  1 10    <lm>           
#>  2 11    <lm>           
#>  3 9     <lm>           
#>  4 1     <lm>           
#>  5 4     <lm>           
#>  6 8     <lm>           
#>  7 5     <lm>           
#>  8 7     <lm>           
#>  9 6     <lm>           
#> 10 2     <lm>           
#> 11 3     <lm>


# Run predictions
model_dna %>%
  group_by(Run) %>% 
  summarise(map(model_dna_group, predict, newdata = new_dna, interval = "prediction", level = 0.9) %>% map_dfr(as_tibble),
            .groups = "drop")

#> # A tibble: 1,936 x 4
#>    Run       fit    lwr    upr
#>    <ord>   <dbl>  <dbl>  <dbl>
#>  1 10    -2.16   -2.48  -1.85 
#>  2 10    -2.16   -2.48  -1.85 
#>  3 10    -1.33   -1.64  -1.03 
#>  4 10    -1.33   -1.64  -1.03 
#>  5 10    -0.918  -1.22  -0.617
#>  6 10    -0.918  -1.22  -0.617
#>  7 10    -0.503  -0.804 -0.201
#>  8 10    -0.503  -0.804 -0.201
#>  9 10    -0.0873 -0.392  0.217
#> 10 10    -0.0873 -0.392  0.217
#> # ... with 1,926 more rows

^{Utworzono w 2021-11-19 latach dodatkiem reprex (v2.0.0)}

OGŁOSZENIE:

po dplyr 1.0 nie trzeba używać do więcej dla tego rodzaju przypadków
z map i map_dfr możesz obliczyć swoje prognozy i pięknie je wpisać w swój tibble

Question 3

Obiekt model_dna jest ramka danych (dokładniej: тиббл), który zawiera lm-obiekty w drugiej kolumnie "model_dna_group".

W lapply-połączenie należy powołać się na tę kolumnę, a nie na całą ramkę danych. Лапли próbuje użyć predict na kolumnach ramki danych zamiast lm-obiekty w drugiej kolumnie.

Dlatego też zmień swój telefon w następujący sposób, i to zadziała:

new_dna_w_predictions <- lapply(
                           X = model_dna$model_dna_group, 
                           FUN = predict, 
                           newdata = new_dna, 
                           interval = "prediction", 
                           level = 0.9
                          )

Edo · Answer 1 · 2021-11-19T18:05:38

Tu masz pełna tidyverse rozwiązanie:

# Calling in my libraries:
library(dplyr)
library(purrr)

# Creating dataset:
DNase <- DNase

# Creating a new data set to be used to generate predictions:
new_dna <- DNase %>% transmute(conc = conc * 2)  # simplified

# Generating models, one for each "Run" in DNAse:
model_dna <- DNase %>% 
  group_by(Run) %>% 
  summarise(model_dna_group = list(lm(log(density) ~ log(conc))))
  
model_dna
#> # A tibble: 11 x 2
#>    Run   model_dna_group
#>    <ord> <list>         
#>  1 10    <lm>           
#>  2 11    <lm>           
#>  3 9     <lm>           
#>  4 1     <lm>           
#>  5 4     <lm>           
#>  6 8     <lm>           
#>  7 5     <lm>           
#>  8 7     <lm>           
#>  9 6     <lm>           
#> 10 2     <lm>           
#> 11 3     <lm>


# Run predictions
model_dna %>%
  group_by(Run) %>% 
  summarise(map(model_dna_group, predict, newdata = new_dna, interval = "prediction", level = 0.9) %>% map_dfr(as_tibble),
            .groups = "drop")

#> # A tibble: 1,936 x 4
#>    Run       fit    lwr    upr
#>    <ord>   <dbl>  <dbl>  <dbl>
#>  1 10    -2.16   -2.48  -1.85 
#>  2 10    -2.16   -2.48  -1.85 
#>  3 10    -1.33   -1.64  -1.03 
#>  4 10    -1.33   -1.64  -1.03 
#>  5 10    -0.918  -1.22  -0.617
#>  6 10    -0.918  -1.22  -0.617
#>  7 10    -0.503  -0.804 -0.201
#>  8 10    -0.503  -0.804 -0.201
#>  9 10    -0.0873 -0.392  0.217
#> 10 10    -0.0873 -0.392  0.217
#> # ... with 1,926 more rows

^{Utworzono w 2021-11-19 latach dodatkiem reprex (v2.0.0)}

OGŁOSZENIE:

po dplyr 1.0 nie trzeba używać do więcej dla tego rodzaju przypadków
z map i map_dfr możesz obliczyć swoje prognozy i pięknie je wpisać w swój tibble

benimwolfspelz · Answer 2 · 2021-11-19T17:22:23

Obiekt model_dna jest ramka danych (dokładniej: тиббл), który zawiera lm-obiekty w drugiej kolumnie "model_dna_group".

W lapply-połączenie należy powołać się na tę kolumnę, a nie na całą ramkę danych. Лапли próbuje użyć predict na kolumnach ramki danych zamiast lm-obiekty w drugiej kolumnie.

Dlatego też zmień swój telefon w następujący sposób, i to zadziała:

new_dna_w_predictions <- lapply(
                           X = model_dna$model_dna_group, 
                           FUN = predict, 
                           newdata = new_dna, 
                           interval = "prediction", 
                           level = 0.9
                          )

Generowanie okresów prognozy dla ponad 1 modelu liniowego w R?

Pytanie

Najlepsza odpowiedź

W innych językach

Ta strona jest w innych językach

Popularne w tej kategorii

Najczęściej zadawane pytania w tej kategorii