r - 对水平数据的预测(使用组模型)

Question

我迫切需要帮助:所以我使用 dplyr 按组运行回归。即这样的事情:

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

我在一个数据框中得到模型，如下所示:

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

现在我想预测更短的新数据(即与我的训练数据的维度不同)，并且具有相同的级别。即 4,6,8 为 cyl。我的问题是:我如何使用 new/testdata 进行预测，以便每个模型仅指它们在我的测试集中的级别。

 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

请记住，测试数据包含所有级别/组。

有没有更简单的方法来做到这一点。即按级别进行预测。目前我正在尝试在扫帚包中使用增强，但它并没有真正起作用。它的作用是:它通过我的所有测试数据运行每个模型，同时不考虑级别。

请帮忙!我正在以更大的规模做这件事，需要一些快速有效的东西。

Answer 1

这对 来说可能是个好工作呜呜声连同 dplyr 和 整理 . 呜呜声包适用于列表，我相信会取代 do从长远来看。
例如，如果您有一个包含相同变量的测试数据集，我将其命名为 mtcars_test .

mtcars_test = mtcars

您可以根据 cyl 将此数据集拆分为三个部分.

test_split = split(mtcars_test, mtcars_test$cyl)

那么你可以使用map2运行三个模型以及拆分测试数据以进行预测。请注意，这依赖于模型和数据集列表在相同的圆柱顺序中，所以要小心。

library(purrr)

map2(regressions$fit, test_split, predict)

结果是一个列表。使用 map2_dfr() 使函数的输出看起来更美观，以将输出放入 data.frame 中。 .

map2_dfr(regressions$fit, test_split, 
     function(model, newdata) {
          newdata$pred = predict(model, newdata = newdata)
          newdata
     })

                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb     pred
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1 2.463345
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2 2.633560
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2 3.392781
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1 1.864082
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2 1.821926
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1 1.834495
...

在您的实际情况中，您可能希望在嵌套数据集中得到结果。我无法使用 do() ，但这在 中是可能的dplyr 1.0.0 与 nest_by()并列出输出。 unnest()函数来自 整理 .

library(tidyr)

regs2 = mtcars %>%
     nest_by(cyl) %>%
     mutate(fit = list(lm(wt ~ mpg + qsec + gear, data = data)))

使用 map2() 遍历模型和新数据集列表内mutate() ，数据集必须是未分组的。在取消嵌套之前，我在这里删除了输出中的其他列表列，但这并不是绝对必要的。

regs2 %>%
     ungroup() %>%
     mutate(test_pred = map2(fit, test_split, predict) ) %>%
     select(-data, -fit) %>%
     unnest(test_pred) 

# A tibble: 32 x 2
     cyl test_pred
   <dbl>     <dbl>
 1     4      2.46
 2     4      2.63
 3     4      3.39
 4     4      1.86
 5     4      1.82
 6     4      1.83
 7     4      2.61
 8     4      2.16
 9     4      2.06
10     4      1.74
# ... with 22 more rows