用不同的函數形式手動預測

我有一個glm係數的數據框（下面的betas）。數據框包含協變量標籤，協變量形式和估算值。這些形式是線性的（Li），平方/平方（Sq）和log（Ps）。用不同的函數形式手動預測

betas <- structure(list(CovGen = c("A", "B", "C", "D", "E", "F", "G", 
            "G", "H"), Form = c("Li", "Li", "Li", "Li", "Li", "Li", "Li", 
                 "Sq", "Ps"), Estimate = c(0.0294573176934061, 0.0100315121169383, 
                       -0.0155864186367343, -0.00871344935814372, 0.0362538988332902, 
                       -0.0263072916746069, 0.0865742118052235, 0.0614689145750204, 
                       0.00229745713752781)), .Names = c("CovGen", "Form", "Estimate" 
                       ), row.names = c(NA, 9L), class = "data.frame") 

betas 
    CovGen Form  Estimate 
1  A Li 0.029457318 
2  B Li 0.010031512 
3  C Li -0.015586419 
4  D Li -0.008713449 
5  E Li 0.036253899 
6  F Li -0.026307292 
7  G Li 0.086574212 
8  G Sq 0.061468915 
9  H Ps 0.002297457

我嘗試應用係數估計手動預測值（用dput這裏包括dat）新的數據幀。

dat <- structure(list(B = c(-1.47218074669544, -1.46929972689195, -1.46641870708846, 
          -1.46353768728497, -1.46065666748148, -1.45777564767799), C = c(-1.09847692593512, 
                          -1.09375316152745, -1.08902939711978, -1.08430563271211, -1.07958186830444, 
                          -1.07485810389677), D = c(-1.0109875688763, -1.00407851818141, 
                                 -0.997169467486518, -0.990260416791627, -0.983351366096736, -0.976442315401845 
                          ), E = c(-3.19632050296668, -3.19041566990116, -3.18451083683563, 
                            -3.17860600377011, -3.17270117070458, -3.16679633763906), F = c(-2.81211918021003, 
                                            -2.80673925496675, -2.80135932972346, -2.79597940448018, -2.7905994792369, 
                                            -2.78521955399362), G = c(-2.32916817000267, -2.32368219245727, 
                                                   -2.31819621491187, -2.31271023736647, -2.30722425982107, -2.30173828227567 
                                            ), H = c(0.442067970883549, 0.417909464459238, 0.393750958034926, 
                                               0.369592451610615, 0.345433945186303, 0.321275438761992)), .Names = c("B", 
                                                                "C", "D", "E", "F", "G", "H"), row.names = c(NA, 6L), class = "data.frame")                                                         "C", "D", "E", "F", "G", "H"), row.names = c(NA, 6L), class = "data.frame") 



> dat 
      B   C   D   E   F   G   H 
1 -1.472181 -1.098477 -1.0109876 -3.196321 -2.812119 -2.329168 0.4420680 
2 -1.469300 -1.093753 -1.0040785 -3.190416 -2.806739 -2.323682 0.4179095 
3 -1.466419 -1.089029 -0.9971695 -3.184511 -2.801359 -2.318196 0.3937510 
4 -1.463538 -1.084306 -0.9902604 -3.178606 -2.795979 -2.312710 0.3695925 
5 -1.460657 -1.079582 -0.9833514 -3.172701 -2.790599 -2.307224 0.3454339 
6 -1.457776 -1.074858 -0.9764423 -3.166796 -2.785220 -2.301738 0.3212754

我試圖通過各自的貝塔值，佔函數形式繁殖的dat DF新的數據值。更具體地說，在此處包含的示例中，我想將G測試的Sq格式應用於dat$G^2，將Ps H測試應用於log(dat$H)。所有其他測試版和值可以直接相乘，而不用考慮功能形式。請注意，A測試版不適用於dat df中的新值。

我可能需要通過獎勵ifelse聲明，但我想知道是否有其他想法和/或建議。

我正在一個較大的循環內工作，每個協變量都不會有一致的形式。

期望的結果將是一個矩陣或df，列中包含每個beta形式組合的預測值。例如，將有一列包含所有測試的預測值，除了G，其預測G和G^2的值。

在此先感謝。

來源

2017-07-06 B. Davis

你的H是負數，所以'log（H）'沒有意義。你的意思是別的嗎？此外，你似乎有一個「A」係數，但沒有該變量的數據。 – MrFlick

這看起來好像你正在努力以艱難的方式做事。如果你有一個「公式」，那麼你可以使用'model.matrix'生成正確的'X'矩陣。原來，我認爲構建正確的公式可能是最簡單的，然後使用'model.matrix'。 – Gregor

謝謝@MrFlik和@Gregor。我已將數據更改爲具有'dat $ H'的正數值，該數值不能爲'log（）'編輯。 A測試版的缺失數據是有意爲之的，並且在生成預測時表示截取的下降。 –

我想嘗試構建公式，然後使用model.matrix和矩陣乘法，這樣的事情：

betas$term = with(betas, ifelse(
    Form == "Li", CovGen, 
    ifelse(Form == "Sq", sprintf("I(%s^2)", CovGen), 
      ifelse(Form == "Ps", sprintf("log(%s)", CovGen), NA) 
))) 
betas 
# CovGen Form  Estimate term 
# 1  A Li 0.029457318  A 
# 2  B Li 0.010031512  B 
# 3  C Li -0.015586419  C 
# 4  D Li -0.008713449  D 
# 5  E Li 0.036253899  E 
# 6  F Li -0.026307292  F 
# 7  G Li 0.086574212  G 
# 8  G Sq 0.061468915 I(G^2) 
# 9  H Ps 0.002297457 log(H) 
(my_formula = as.formula(paste("~", paste(betas$term, collapse = " + ")))) 
#~A + B + C + D + E + F + G + I(G^2) + log(H) 

X = model.matrix(my_formula, data = dat) 
prediction = X %*% betas$Estimate

由於MrFlick說，這不會影響您當前樣本的數據。

來源

2017-07-06 19:05:05 Gregor

你可以嘗試這樣的

trans <- list(
    Li=identity, 
    Sq=function(x) x^2, 
    Ps=function(x) log(x) 
) 

cpredict<-function(betas, datas) { 
    Map(function(var, fun, coef) { 
    trans[[fun]](datas[[var]])*coef 
    }, betas$CovGen, betas$Form, betas$Estimate) 
} 

cpredict(betas, dat)

的解決方案，但因爲沒有dat$A這不會與您當前的數據工作，你不能把一個負數的日誌。

來源

2017-07-06 18:48:09 MrFlick

我喜歡'betas'和'datas'參數名稱。比我的回答更抒情:) – Gregor

用不同的函數形式手動預測

回答

相關問題