如何将两个线性回归预测模型（每个数据帧的子集）合并成一个数据帧的一个集合 [英] how to merge two linear regression prediction models (each per data frame's subset) into one colmn of the data frame

问题描述

我想建立基于数据集的2个子集的2个线性回归模型，然后建立一个列，每个子集包含预测值。
这是我的数据框架示例：

  dat < -  read.table（text =猫鸟狼 
 0 3 8 7 
 1 3 8 7 
 1 1 2 3 
 0 1 2 3 
 0 1 2 3 
 1 6 1 1 
 0 6 1 1 
 1 6 1 1，header = TRUE）
  

我已经建立了两个模型：

 ＃一个是狼的〜蛇，其中cats = 0 
 f0 <-lm wolfs〜snakes，data = dat，subset = dat $ cats == 0）
 
＃第二个模型是针对狼的〜蛇，其中cats = 1 
 f1< -lm（wolfs〜snakes ，data = dat，subset = dat $ cats == 1）
  

然后我每个都做了预测模型：

  f0_predict< -predict（f0，data = dat，subset = dat $ cats == 1，type ='response '）
 f1_predict< -predict（f1，data = dat，subset = dat $ cats == 0，type ='response' ）
  

这工作正常，但是我找不到一种方法将其插入原始数据框架，如果cats == 0，我将得到模型的预测值，其中cats == 0，如果cat == 1，我将得到模型的预测值，其中cats == 1在同一列中命名为full_prediction。
例如输出应该是（具有伪预测值）：

 猫鸟狼狼snape full_prediction 
 0 3 8 7 0.6 
 1 3 8 7 0.5 
 1 1 2 3 0.4 
 0 1 2 3 0.3 
 0 1 2 3 0.3 
 1 6 1 1 0.7 
 0 6 1 1 0.1 
 1 6 1 1 0.7 
  

如果你看在6-8行，你可以看到，full_prediction的值为0.7，对于cats == 1和0.1为cats == 0
任何想法如何做这样的事情？

解决方案

使用 split 和 unsplit

  dat.l<  -  split（dat，dat $ cats）
 
 dat.l<  -  lapply （dat.l，function（x）{
 mod<  -  lm（wolfs〜snakes，data = x）
x $ full_prediction<  - 预测（mod，data = x，type ='response'）
 return（x）
}）
 
 unsplit dat.l，dat $ cats）
  

输出：

 猫鸟狼狼full_prediction 
 1 0 3 8 7 7.5789474 
 2 1 3 8 7 7.6666667 
 3 1 1 2 3 3.0000000 
 4 0 1 2 3 2.6315789 
 5 0 1 2 3 2.6315789 
 6 1 6 1 1 0.6666667 
 7 0 6 1 1 0.1578947 
 8 1 6 1 1 0.6666667 
  

一个 dplyr 解决方案将是：

  require（dplyr）
 dat％>％
 group_by（cats）％>％
 （{
 mod<  -  lm（wolfs〜snakes，data =。）
 pred<  -  predict（mod）
 data.frame（。，pred）
}） 
  

I would like to build 2 linear regression models that are based on 2 subsets of the dataset and then to have one column that contians the prediction values per each subset. Here is my data frame example :

dat <- read.table(text = " cats birds    wolfs     snakes
 0        3        8         7
 1        3        8         7
 1        1        2         3
 0        1        2         3
 0        1        2         3
 1        6        1         1
 0        6        1         1
 1        6        1         1   ",header = TRUE) 

First I have built two models:

# one is for wolfs ~ snakes where cats=0
f0<-lm(wolfs~snakes,data=dat,subset=dat$cats==0)

#the second model is for wolfs ~ snakes where cats=1
f1<-lm(wolfs~snakes,data=dat,subset=dat$cats==1)

I then did the prediction per each model:

f0_predict<-predict(f0,data=dat,subset=dat$cats==1,type='response')
f1_predict<-predict(f1,data=dat,subset=dat$cats==0,type='response')

This works fine, but I can't find a way to insert it back to the original data frame in such a way that if cats==0 I'll get the prediction value of the model for rows where cats==0 and if cat==1 I'll get the prediction value of the model for rows where cats==1 in the same column named: full_prediction. for example the output should be (with Pseudo prediction values) :

  cats   birds    wolfs     snakes full_prediction
     0        3        8         7        0.6
     1        3        8         7        0.5
     1        1        2         3        0.4
     0        1        2         3        0.3
     0        1        2         3        0.3
     1        6        1         1        0.7
     0        6        1         1        0.1
     1        6        1         1        0.7

If you look at rows number 6-8 you can see that the value of the full_prediction is 0.7 for cats==1 and 0.1 for cats==0 Any Idea how to do such a thing?

解决方案

Use splitand unsplit

dat.l <- split(dat, dat$cats)

dat.l <- lapply(dat.l, function(x){
  mod <- lm(wolfs~snakes,data=x)
  x$full_prediction <- predict(mod,data=x,type='response')
  return(x)
})

unsplit(dat.l, dat$cats)

Output:

cats birds wolfs snakes full_prediction
1    0     3     8      7       7.5789474
2    1     3     8      7       7.6666667
3    1     1     2      3       3.0000000
4    0     1     2      3       2.6315789
5    0     1     2      3       2.6315789
6    1     6     1      1       0.6666667
7    0     6     1      1       0.1578947
8    1     6     1      1       0.6666667

A dplyr solution would be:

require(dplyr)
dat %>% 
  group_by(cats) %>%
  do({
    mod <- lm(wolfs~snakes, data = .)
    pred <- predict(mod)
    data.frame(., pred)
  })

这篇关于如何将两个线性回归预测模型（每个数据帧的子集）合并成一个数据帧的一个集合的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！