r-不同数据集上的线性回归拟合(增强)

Question

我只是想在不同的数据集上计算预测(拟合值(，回归模型是使用dplyr和扩增函数建立的。然而，我总是犯错误。即使不使用dplyr，增广函数似乎也只接受模型所基于的数据集。有解决方案吗？下面是我的一个尝试。非常感谢。

data1 <- head(mtcars,20)
model <- mtcars %>%
group_by(cyl) %>%
do(fit = lm(wt ~ mpg, .),
data = (.)) %>%
augment(fit, data1)

Answer 1

在mutate中使用augment，在augment中使用map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，您可以将模型放入summarise中。

mtcars %>%
group_by(cyl) %>%
summarise(fit = list(lm(wt ~ mpg)), 
data = list(cur_data())) %>%
mutate(col   = map(fit, augment, 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]>