Supongamos que hay algo de data.frame foo_data_frame y uno quiere encontrar la regresión de la columna Y de destino por algunas otras columnas. A tal efecto, se suelen utilizar fórmulas y modelos. Por ejemplo:
linear_model <- lm(Y ~ FACTOR_NAME_1 + FACTOR_NAME_2, foo_data_frame)
Eso funciona bien si la fórmula está codificada estáticamente. Si se desea enraizar varios modelos con el número constante de variables dependientes (digamos, 2), se puede tratar así:
for (i in seq_len(factor_number)) {
for (j in seq(i + 1, factor_number)) {
linear_model <- lm(Y ~ F1 + F2, list(Y=foo_data_frame$Y,
F1=foo_data_frame[[i]],
F2=foo_data_frame[[j]]))
# linear_model further analyzing...
}
}
Mi pregunta es cómo hacer el mismo efecto cuando el número de variables cambia dinámicamente durante la ejecución del programa.
for (number_of_factors in seq_len(5)) {
# Then root over subsets with #number_of_factors cardinality.
for (factors_subset in all_subsets_with_fixed_cardinality) {
# Here I want to fit model with factors from factors_subset.
linear_model <- lm(Does R provide smth to write here?)
}
}
Respuestas:
Ver
?as.formula
, por ejemplo:factors <- c("factor1", "factor2") as.formula(paste("y~", paste(factors, collapse="+"))) # y ~ factor1 + factor2
donde
factors
es un vector de caracteres que contiene los nombres de los factores que desea utilizar en el modelo. Esto se puede pegar en unlm
modelo, por ejemplo:set.seed(0) y <- rnorm(100) factor1 <- rep(1:2, each=50) factor2 <- rep(3:4, 50) lm(as.formula(paste("y~", paste(factors, collapse="+")))) # Call: # lm(formula = as.formula(paste("y~", paste(factors, collapse = "+")))) # Coefficients: # (Intercept) factor1 factor2 # 0.542471 -0.002525 -0.147433
fuente
Una función a menudo olvidada es
reformulate
. De?reformulate
:Un simple ejemplo:
listoffactors <- c("factor1","factor2") reformulate(termlabels = listoffactors, response = 'y')
producirá esta fórmula:
y ~ factor1 + factor2
Aunque no está documentado explícitamente, también puede agregar términos de interacción:
listofintfactors <- c("(factor3","factor4)^2") reformulate(termlabels = c(listoffactors, listofintfactors), response = 'y')
rendirá:
y ~ factor1 + factor2 + (factor3 + factor4)^2
fuente
Otra opción podría ser utilizar una matriz en la fórmula:
Y = rnorm(10) foo = matrix(rnorm(100),10,10) factors=c(1,5,8) lm(Y ~ foo[,factors])
fuente
?model.matrix
)En realidad, no necesitas una fórmula. Esto funciona:
lm(data_frame[c("Y", "factor1", "factor2")])
como hace esto:
v <- c("Y", "factor1", "factor2") do.call("lm", list(bquote(data_frame[.(v)])))
fuente
Generalmente resuelvo esto cambiando el nombre de mi columna de respuesta. Es más fácil de hacer de forma dinámica y posiblemente más limpia.
model_response <- "response_field_name" setnames(model_data_train, c(model_response), "response") #if using data.table model_gbm <- gbm(response ~ ., data=model_data_train, ...)
fuente