使團體迴歸和預測中的R

Question

我有以下從實驗data.frame d：

- Variable y (response, continuous) 
- Factor f (500 levels) 
- Time t (posixct) 

在過去的8年，Y測量大約每個月一次（以噸確切的日期），用於f的每個級別。有時每月有兩項措施，有時幾個月沒有采取任何措施。

對不起，不提供示例數據，但彌補不規則的時間序列超出了我的R知識。 ）

我想這樣做與此數據如下：

1. 使用loess()功能(y ~ t)進行迴歸，對於f
2. 每個級別作出的y預測第一天每個月和f

第一點的每個級別的，我想我解決了使用哈德利的答案this問題：

models <- dlply(d, "f", function(df) loess(y ~ as.numeric(t), data = df)) 

所以，現在我有一個models（類list），與的f每個級別的模型。 我也創造了很多次我想預測y爲f每個級別這樣的，其中：

dates <- seq(min(t),max(t),"months") 

但現在我卡在如何讓每個模型的預測。像這樣的東西應該工作（僞）：

for each f in models 
    p.f <- predict(models(f),dates) 
    p.f.complete <- r.bind(p.f.comlete,p.f) 
next f 

結果，我想有這樣的data.frame：

• y.predicted
• ˚F
• t.predicted （=日期）

任何幫助將不勝感激。

Answer 1

最複雜的事情做的是使功能predict和尤斯lapply。這不是很難做到。

dates <- data.frame(t = dates) 
y.predicted <- lapply(models, function (x) predict(x, newdata = dates)) 

如果你想

到rbind y.predicted只使用

y.predicted <- do.call(rbind, y.predicted) 

HTH

Answer 2

被修改

的關鍵是與預測ldply使用（）（）。下面是使用虛擬數據爲例：

library(plyr) 
d <- data.frame(
     f = rep(LETTERS[1:5], each=20), 
     t = rep(1:20, 5), 
     y = runif(100)) 

models <- dlply(d, "f", function(df) loess(y ~ as.numeric(t), data = df)) 
predict(models[[1]]) 

x <- ldply(models, predict) 
colnames(x) <- c("f", 1:20) 
x