创建线性或非线性模型的（分组）摘要以加入 table 并预测值

Question

我有一个包含三列的 table：x 和 y，以及 id。我想为每个 id 创建一个线性模型。

   id  x  y
1   a  1  2
2   b  5 10
3   a  8 16
4   b  1  2
5   a  6 12
6   c  9 18
7   a  2  4
8   a  9 18
9   b  1  2
10  b  6 12
11  b 10 20
12  c 12 24
13  c  2  4
14  c  4  8
15  c  5 10

我可以使用 split/apply 或使用 nlme 的 lmList 函数来做到这一点。我将如何使用 id 创建一个摘要 table，并将其各自的线性模型存储在一个小摘要 table 中？另外，我如何将摘要 table 连接回上述数据框（或另一个带有 ID 列和 x 列的数据框）？那么，是否也可以使用连接的线性模型并使用给定行中的相应 x 值预测结果

# Representation of what it would look like to join and predict the linear model

   id  x  lm
1   a  1  <first lm here>
2   b  5 <second lm here>

对于给定的 x 值，是否可以使用上面的示例使用相应的 lm 来预测 y？这也可以扩展到其他模型，如 knn3 和 loess?

Answer 1

尝试使用这种方法。只要你知道你的 id 的顺序，你就可以在 tibble 中定义它们，并将它们各自的线性模型存储在列表列中。

进一步解释：定义summarydata$lm的map命令根据[=16的值将df1拆分为三个独立的数据帧=]，然后将线性模型拟合到这些数据帧中的每一个。然后将生成的模型对象存储在 summarydata$lm.

中

library(tidyverse)

# Reproducing your data
df1 <- tibble(
  id = c("a", "b", "a", "b", "a", "c", "a", "a", "b", "b", "b", "c", "c", "c", "c"),
  x = c(1, 5, 8, 1, 6, 9, 2, 9, 1, 6, 10, 12, 2, 4, 5),
  y = c(2, 20, 26, 2, 12, 18, 4, 18, 2, 12, 20, 24, 4, 8, 10)
)

summarydata <- tibble(
  id = c("a", "b", "c"),
  x = c(1, 5, 7),
  lm = map(group_split(df1, id), ~ lm(y ~ x, data = .))
)

然后，要获得每个线性模型的预测，我们可以在 mutate 中使用另一个 map 命令。这从 summarydata 获取每个线性模型和 x 的每个值，并使用 predict.

计算 y 的预测值

summarydata %>%
  mutate(
    prediction = map2_dbl(lm, x, ~ predict(.x, newdata = tibble(x = .y)))
  )

输出：

# A tibble: 3 x 4
  id        x lm     prediction
  <chr> <dbl> <list>      <dbl>
1 a         1 <lm>         1.69
2 b         5 <lm>        12.0 
3 c         7 <lm>        14

创建线性或非线性模型的（分组）摘要以加入 table 并预测值

Creating a (grouped) summary of linear or nonlinear models to join to a table and predict values

r

lm