Jak zwięźle napisać formułę z wieloma zmiennymi z ramki danych?
Załóżmy, że mam zmienną odpowiedzi i dane zawierające trzy kowarianty (jako przykład zabawkowy):
y = c(1,4,6)
d = data.frame(x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))
Chcę dopasować regresję liniową do danych:
fit = lm(y ~ d$x1 + d$x2 + d$y2)
Czy istnieje sposób, aby napisać formułę, tak, że nie muszę wypisywać poszczególnych kowariantnych? Na przykład coś w rodzaju
fit = lm(y ~ d)
(chcę, aby każda zmienna w ramce danych była kowariantną.) Pytam, bo w ramce danych Mam 50 zmiennych, więc chcę uniknąć wypisywania x1 + x2 + x3 + etc
.
6 answers
Istnieje specjalny identyfikator, którego można użyć w formule, aby oznaczać wszystkie zmienne, Jest to identyfikator .
.
y <- c(1,4,6)
d <- data.frame(y = y, x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))
mod <- lm(y ~ ., data = d)
Możesz również zrobić takie rzeczy, aby użyć wszystkich zmiennych paska pierwszego:
mod <- lm(y ~ . - x3, data = d)
Technicznie, .
oznacza wszystkie zmienne Nie wymienione już we wzorze. Na przykład
lm(y ~ x1 * x2 + ., data = d)
Gdzie .
oznaczałoby tylko x3
jako x1
i x2
są już we wzorze.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2014-02-03 14:54:04
Nieco innym podejściem jest tworzenie formuły z ciągu. Na stronie pomocy formula
znajdziesz następujący przykład:
## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")
fmla <- as.formula(paste("y ~ ", paste(xnam, collapse= "+")))
Wtedy jeśli spojrzysz na wygenerowaną formułę, otrzymasz:
R> fmla
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 +
x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 +
x22 + x23 + x24 + x25
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-03-09 22:20:40
Tak oczywiście, wystarczy dodać odpowiedź y
jako pierwszą kolumnę w ramce danych i wywołać lm()
na niej:
d2<-data.frame(y,d)
> d2
y x1 x2 x3
1 1 4 3 4
2 4 -1 9 -4
3 6 3 8 -2
> lm(d2)
Call:
lm(formula = d2)
Coefficients:
(Intercept) x1 x2 x3
-5.6316 0.7895 1.1579 NA
Również moje informacje o R wskazują, że przypisanie z {[3] } jest zalecane nad =
.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-03-09 20:11:46
Rozszerzeniem metody juba jest użycie reformulate
, funkcji, która jest jawnie zaprojektowana do takiego zadania.
## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")
reformulate(xnam, "y")
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 +
x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 +
x22 + x23 + x24 + x25
Dla przykładu w OP najprostszym rozwiązaniem byłoby
# add y variable to data.frame d
d <- cbind(y, d)
reformulate(names(d)[-1], names(d[1]))
y ~ x1 + x2 + x3
Lub
mod <- lm(reformulate(names(d)[-1], names(d[1])), data=d)
Zauważ, że dodanie zmiennej zależnej do danych.ramka w {[4] } jest preferowana nie tylko dlatego, że pozwala na użycie reformulate
, ale także dlatego, że pozwala na przyszłe użycie obiektu lm
w funkcjach takich jak predict
.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-04-04 15:49:16
Buduję To rozwiązanie, reformulate
nie dba o to, czy nazwy zmiennych mają białe spacje.
add_backticks = function(x) {
paste0("`", x, "`")
}
x_lm_formula = function(x) {
paste(add_backticks(x), collapse = " + ")
}
build_lm_formula = function(x, y){
if (length(y)>1){
stop("y needs to be just one variable")
}
as.formula(
paste0("`",y,"`", " ~ ", x_lm_formula(x))
)
}
# Example
df <- data.frame(
y = c(1,4,6),
x1 = c(4,-1,3),
x2 = c(3,9,8),
x3 = c(4,-4,-2)
)
# Model Specification
columns = colnames(df)
y_cols = columns[1]
x_cols = columns[2:length(columns)]
formula = build_lm_formula(x_cols, y_cols)
formula
# output
# "`y` ~ `x1` + `x2` + `x3`"
# Run Model
lm(formula = formula, data = df)
# output
Call:
lm(formula = formula, data = df)
Coefficients:
(Intercept) x1 x2 x3
-5.6316 0.7895 1.1579 NA
```
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-11-15 01:12:05
Możesz sprawdzić pakiet leaps
, a w szczególności funkcję regsubsets()
funkcje do wyboru modelu. Jak podano w dokumentacji:
Wybór modelu poprzez wyczerpujące wyszukiwanie, krok do przodu lub do tyłu lub sekwencyjną wymianę
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-05-03 10:02:51