Генерация интервалов прогнозирования для более чем 1 линейной модели в R?

Question 1

Я пытаюсь сгенерировать интервалы прогнозирования, используя функцию predict() для нового набора данных, но для более чем одной модели, созданной мной для набора данных. Я относительно неопытен в использовании lapply, но считаю, что это должно быть полезно в этом процессе:

#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
                          )

Однако это приводит к следующей ошибке:

Ошибка в get(как.символ(ЗАБАВА), режим = "функция", окружение = окружение) : объект "model_dna" режима "функция" не найден

Я не уверен, как лучше структурировать эту функцию lapply, особенно когда она используется более чем в одной модели. Есть ли в целом более чистый способ подойти к этому?

Question 2

Здесь у вас есть полный tidyverse решение:

# 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

^{Создано в 2021-11-19 годах пакетом reprex (v2.0.0)}

УВЕДОМЛЕНИЕ:

после dplyr 1.0 вам не нужно использовать do больше для такого рода случаев
с map и map_dfr вы можете рассчитать свои прогнозы и красиво вписать их в свой tibble

Question 3

Ваш объект model_dna представляет собой фрейм данных (точнее: тиббл), который содержит lm-объекты во втором столбце "model_dna_group".

В lapply-вызов вы должны ссылаться на этот столбец, а не на весь фрейм данных. Лапли пытается использовать predict на столбцах фрейма данных вместо lm-объекты во второй колонке.

Поэтому отредактируйте свой звонок следующим образом, и это сработает:

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

Здесь у вас есть полный tidyverse решение:

# 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

^{Создано в 2021-11-19 годах пакетом reprex (v2.0.0)}

УВЕДОМЛЕНИЕ:

после dplyr 1.0 вам не нужно использовать do больше для такого рода случаев
с map и map_dfr вы можете рассчитать свои прогнозы и красиво вписать их в свой tibble

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

Ваш объект model_dna представляет собой фрейм данных (точнее: тиббл), который содержит lm-объекты во втором столбце "model_dna_group".

В lapply-вызов вы должны ссылаться на этот столбец, а не на весь фрейм данных. Лапли пытается использовать predict на столбцах фрейма данных вместо lm-объекты во второй колонке.

Поэтому отредактируйте свой звонок следующим образом, и это сработает:

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

Генерация интервалов прогнозирования для более чем 1 линейной модели в R?

Вопрос

Лучший ответ

На других языках

Эта страница на других языках

Популярное в этой категории

Популярные вопросы в этой категории