如何解决不同数据集上的线性回归拟合增强
我只是想在使用 dplyr 和增强函数构建回归模型的不同数据集上计算预测(拟合值)。但是我不断收到错误。即使不使用 dplyr,增强函数似乎也只接受模型所建立的数据集。有什么解决方案可以解决吗?下面是我的尝试之一。谢谢。
data1 <- head(mtcars,20)
model <- mtcars %>%
group_by(cyl) %>%
do(fit = lm(wt ~ mpg,.),data = (.)) %>%
augment(fit,data1)
解决方法
在 augment
中使用 mutate
并在 map
中使用 augment
一次传递一个模型。
library(broom)
library(dplyr)
library(purrr)
mtcars %>%
group_by(cyl) %>%
do(fit = lm(wt ~ mpg,.),data = (.)) %>%
ungroup() %>%
mutate(col = map(fit,augment,newdata = data1))
此外,由于 do
已被取代,您可以在 summarise
中拟合模型。
mtcars %>%
group_by(cyl) %>%
summarise(fit = list(lm(wt ~ mpg)),data = list(cur_data())) %>%
mutate(col = map(fit,newdata = data1))
# cyl fit data col
# <dbl> <list> <list> <list>
#1 4 <lm> <tibble [11 × 11]> <tibble [20 × 14]>
#2 6 <lm> <tibble [7 × 11]> <tibble [20 × 14]>
#3 8 <lm> <tibble [14 × 11]> <tibble [20 × 14]>
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。