如何使用 Nest 和 mutate 从训练集中创建模型，然后将其应用于 R 中的测试数据（tidymodels）

Question

library(tidymodels)

Train %>% nest(-Groups) %>% 
        mutate(fit=map(data,~lm(X~Y+Z,x=.)),
               augmented = map(fit,augment),
               predict = map2(fit,Y,Z)) %>%
        unnest(augmented) %>% select(-data)

这与火车数据完美配合。我可以通过使用不同的扫帚功能（如 glance 或 augment）来进行拟合、模型摘要等。每个小组都有自己的模型，就像我想的那样。

挑战在于我想在测试数据上使用这个模型。

看起来很简单，但不知何故解决方案让我望而却步:(

Answer 1

当你像这样适应嵌套数据时，你最终会得到很多模型，而不仅仅是一个，所以你还需要设置自己以预测许多模型 .

library(tidyverse)
library(broom)

data(Orange)

Orange <- as_tibble(Orange)

orange_fit <- Orange %>% 
  nest(data = c(-Tree)) %>%    ## this sets up five separate models
  mutate(
    fit = map(data, ~ lm(age ~ circumference, data = .x))
  ) 

## the "test data" here is `circumference = c(50, 100, 150)`
orange_fit %>%
  select(Tree, fit) %>%
  crossing(circumference = c(50, 100, 150)) %>%
  mutate(new_data = map(circumference, ~tibble(circumference = .)),
         predicted_age = map2_dbl(fit, new_data, predict))
#> # A tibble: 15 x 5
#>    Tree  fit    circumference new_data         predicted_age
#>    <ord> <list>         <dbl> <list>                   <dbl>
#>  1 3     <lm>              50 <tibble [1 × 1]>          392.
#>  2 3     <lm>             100 <tibble [1 × 1]>          994.
#>  3 3     <lm>             150 <tibble [1 × 1]>         1596.
#>  4 1     <lm>              50 <tibble [1 × 1]>          331.
#>  5 1     <lm>             100 <tibble [1 × 1]>          927.
#>  6 1     <lm>             150 <tibble [1 × 1]>         1523.
#>  7 5     <lm>              50 <tibble [1 × 1]>          385.
#>  8 5     <lm>             100 <tibble [1 × 1]>          824.
#>  9 5     <lm>             150 <tibble [1 × 1]>         1264.
#> 10 2     <lm>              50 <tibble [1 × 1]>          257.
#> 11 2     <lm>             100 <tibble [1 × 1]>          647.
#> 12 2     <lm>             150 <tibble [1 × 1]>         1037.
#> 13 4     <lm>              50 <tibble [1 × 1]>          282.
#> 14 4     <lm>             100 <tibble [1 × 1]>          640.
#> 15 4     <lm>             150 <tibble [1 × 1]>          999.

^{由 reprex package (v0.3.0)}

于 2021-01-25 创建

请注意，最后我们对 each 模型 (5) 的测试集 (3) 中的 each 点进行了预测。

如何使用 Nest 和 mutate 从训练集中创建模型，然后将其应用于 R 中的测试数据（tidymodels）

How to use Nest and mutate to create a model from training set and then apply it on a test data in R (tidymodels)

r

tidymodels