我正在构建一个类似的问题,一年前在SO上问过和回答过。它与这篇文章有关:如何将两个线性回归预测模型(每个数据帧's子集)合并到数据帧的一列
我将使用与这里相同的数据,但是使用一个新列。我创建数据:
dat = read.table(text = " cats birds wolfs snakes trees
0 3 8 7 2
1 3 8 7 3
1 1 2 3 2
0 1 2 3 1
0 1 2 3 2
1 6 1 1 3
0 6 1 1 1
1 6 1 1 1 " ,header = TRUE)
对狼的数量进行建模,使用两个数据子集来区分不同的条件。每个子集的方程是不同的。
f0 = lm(wolfs~snakes,data = dat,subset=dat$cats==0)
f1 = lm(wolfs~snakes + trees,data = dat,subset=dat$cats==1)
预测每个子集的狼数量。
f0_predict = predict(f0,data = dat,subset=dat$cats==1,type='response')
f1_predict = predict(f1,data = dat,subset=dat$cats==0,type='response')
然后(再次,根据2015年的帖子)我按cats变量拆分数据。
dat.l = split(dat, dat$cats)
dat.l
…这里就有点棘手了。2015年的帖子建议使用lapply将两组预测附加到数据集上。但是,在这里,被调查者的函数不起作用,因为它假设两个回归方程本质上是相同的。这是我的尝试(它接近原始,只是调整):
dat.l = lapply(dat.l, function(x){
mod =
ifelse(dat$cats==0,lm(wolfs~snakes,data=x),lm(wolfs~snakes+trees,data=x))
x$full_prediction = predict(mod,data=x,type='response')
return(x)
})
unsplit(dat.l, dat$cats)
关于最后几个步骤有什么想法吗?我仍然是S.O的新手,并且是R的中级,所以如果我没有准确地按照社区的喜好发布,请轻轻地走。
这是一个dplyr解决方案,基于你引用的上一篇文章:
library(dplyr)
# create a new column defining the lm formula for each level of cats
dat <- dat %>% mutate(formula = ifelse(cats==0, "wolfs ~ snakes",
"wolfs ~ snakes + trees"))
# build model and find predicted values for each value of cats
dat <- dat %>% group_by(cats) %>%
do({
mod <- lm(as.formula(.$formula[1]), data = .)
pred <- predict(mod)
data.frame(., pred)
})
> dat
Source: local data frame [8 x 7]
Groups: cats [2]
cats birds wolfs snakes trees formula pred
(int) (int) (int) (int) (int) (chr) (dbl)
1 0 3 8 7 2 wolfs ~ snakes 7.5789474
2 0 1 2 3 1 wolfs ~ snakes 2.6315789
3 0 1 2 3 2 wolfs ~ snakes 2.6315789
4 0 6 1 1 1 wolfs ~ snakes 0.1578947
5 1 3 8 7 3 wolfs ~ snakes + trees 7.6800000
6 1 1 2 3 2 wolfs ~ snakes + trees 2.9600000
7 1 6 1 1 3 wolfs ~ snakes + trees 0.8400000
8 1 6 1 1 1 wolfs ~ snakes + trees 0.5200000