關於級別數據的預測（使用組模型）

Question

我急需幫助：因此，我使用dplyr按組運行迴歸。即是這樣的：

regressions <- mtcars %>% group_by(cyl) %>% 
do(fit = lm(wt ~ mpg + qsec + gear, .)) 

，我得到的模型在數據幀，看起來像這樣：

##  cyl  fit 
    ## (dbl) (chr) 
    ## 1  4 <S3:lm> 
    ## 2  6 <S3:lm> 
    ## 3  8 <S3:lm> 

現在我想預測對新的數據是短（也就是不一樣的漁政船爲我的培訓數據），並且具有相同的水平。 I.e 4,6,8 for cyl。我的問題是：我如何預測使用新/ testdata，以便每個模型僅在我的測試集中引用它們的級別。

so model cyl 4 only uses data 4 cyl to predict 
model cyl 6 uses data 6 cyl to predict 
model cyl 8 uses data 8 cyl to predict 
and so on and so forth.enter code here 

請記住測試數據包含其中的所有級別/組。

有沒有更簡單的方法來做到這一點。即按級別進行預測。目前我正試圖在掃帚包裝中使用增強功能，但它並不真正起作用。它所做的是：它通過我的所有測試數據運行每個模型，同時忽略該級別。

請幫忙！我正在以更大的規模進行此項工作，並且需要快速高效的工作。

Answer 1

這可能是purrr以及dplyr和tidyr。 嗚嗚嗚包是與列表一起工作的，我相信從長遠來看將取代do。

例如，如果您有一個包含相同變量的測試數據集，我將調用mtcars_test。

mtcars_test = mtcars 

您可以根據cyl將此數據集分爲三部分。

test_split = split(mtcars_test, mtcars_test$cyl) 

然後你可以使用map2通過三種模式來運行分裂測試數據一起做出預測。

library(purrr) 

map2(regressions$fit, test_split, predict) 

結果是一個列表。在你真實的情況下，你可能想要以更整潔的格式結果你的結果。在這種情況下，你可以使用帶有mutate加tidyr::nest沿purrr功能，形成原始的迴歸結果：

library(tidyr) 

regs = mtcars %>% 
    group_by(cyl) %>% 
    nest() %>% 
    mutate(fit = map(data, ~lm(wt ~ mpg + qsec + gear, .))) 

然後通過map2同上，但內mutate添加的預測。在您的示例中嘗試使用do之後，此方法無效。

regs %>% 
    mutate(testpred = map2(fit, test_split, predict)) 

要獲得氣缸的測試預測的數量和最終的結果，使用tidyr::unnest。

regs %>% 
    mutate(testpred = map2(fit, test_split, predict)) %>% 
    unnest(testpred) 

# A tibble: 32 × 2 
    cyl testpred 
    <dbl> <dbl> 
1  6 3.607719 
2  6 4.263550 
3  6 5.418092 
4  6 4.386157 
5  6 3.898692 
6  6 4.632542 
... 

Answer 2

我遇到了一些問題，讓到data.frame內lm對象，以便在第一循環不漂亮：

A <- list() 
for (i in unique(mtcars$cyl)) { 
    A[[as.character(i)]] <- predict(as.list(regressions[regressions$cyl == i, ])$fit[[1]], 
        newdata = mtcars[mtcars$cyl == i, ]) 
} 

一個簡單的辦法是做兩個步驟（迴歸再預測）內的同循環。

reg <- list() 
pred <- list() 
for (cyl in unique(mtcars$cyl)) { 
    reg[[as.character(cyl)]] <- lm(wt ~ mpg + qsec + gear, filter(mtcars, cyl == cyl)) 
    pred[[as.character(cyl)]] <- predict(reg[[as.character(cyl)]], 
             newdata = filter(mtcars, cyl == cyl)) 
} 

很明顯，你可以在unqieu(mtcars$cyl)使用lapply對於任何這兩個方法的直接。在這兩種情況下，我都在循環迭代器上使用了as.character，以確保結果列表不會增加到六個圓柱體，留下五個空白點。

最後，您可以使用*元素將所有變量與cyl變量交叉，以便事實上創建與組相同數量的模型。然後您可以直接使用預測而不必子集。請注意，我將cyl變量切換爲factor類，以確保每組有一個斜坡。我還在公式括號中明確指定了截距，以確保按組進行不同的截取。

mtcars$cyl <- factor(mtcars$cyl) 
reg <- lm(wt ~ (1 + mpg + qsec + gear)*cyl, mtcars) 
predict(reg, mtcars) 

用這種方法唯一的問題是，係數是比較難以解釋，（即：係數mpg爲組cyl = 6是係數mpg加上mpg:cyl6係數）

Answer 3

這是使用broom::augment非常緊湊和容易實現的。

你適合迴歸和評分：

library(broom) 
library(dplyr) 

# fit the set of regressions by cyl 
regressions = mtcars %>% group_by(cyl) %>% 
    do(fit = lm(wt ~ mpg + qsec + gear, .)) 

# score the regressions by cyl 
scores = regressions %>% 
    augment(fit) 

您可以檢查這個結果是相同的個體迴歸擬合和評分的結果由cyl值定義的組。

# check that regression with cyl == 4 and predictions gives the same result 
lm_4 = lm(wt ~ mpg + qsec + gear, data = subset(mtcars, cyl == 4)) 
predict(lm_4, newdata = subset(mtcars, cyl == 4)) 
scores %>% 
    filter(cyl == 4) 

# check that regression with cyl == 8 and predictions gives the same result 
lm_8 = lm(wt ~ mpg + qsec + gear, data = subset(mtcars, cyl == 8)) 
predict(lm_8, newdata = subset(mtcars, cyl == 8)) 
scores %>% 
    filter(cyl == 8)