使用lapply估计单独的回归并按组生成预测
提问于 2021-07-17 14:09:02
我想对每个组使用相同的回归模型，并使用系数(不同组之间不同)在同一数据集中添加预测值。我可以使用循环来实现，但是如何使用lapply来实现呢
data <- data.frame(x = rnorm(100), y = rnorm(100), id = rep(c('a', 'b', 'c', 'd'), 25))
for (i in unique(data$id)){
model <- lm(y ~ x, data = subset(data, id == i))
data$pred[data$id == i] <- predict(model, subset(data, id == i))
}
回答 4
Stack Overflow用户
回答已采纳
发布于 2021-07-17 14:21:55
您可以使用lapply作为-
data <- data[order(data$id), ]
data$pred <- unlist(lapply(split(data, data$id), function(df) {
model <- lm(y ~ x, data = df)
predict(model, df)
}))也可以使用by -
data$pred <- unlist(by(data, data$id, function(df) {
model <- lm(y ~ x, data = df)
predict(model, df)
}))Stack Overflow用户
发布于 2021-07-17 14:27:12
lapply不是必需的。下面的按组回归的解决方案似乎更简单。
library(data.table)
setDT(data)[,pred2:=predict(lm(y ~ x, data = .SD)),by=id]Stack Overflow用户
发布于 2021-07-17 14:41:47
你也可以在基数R中使用这个：
do.call(rbind, lapply(unique(data$id), function(a) {
tmp <- subset(data, id == a)
model <- lm(y ~ x, data = tmp)
tmp$pred <- predict(model)
tmp
}))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68421248
复制相关文章
点击加载更多
腾讯云开发者
