为 R 中的 1 个以上线性模型生成预测区间？

Question

我正在尝试使用函数 predict() 为一组新数据生成预测区间，但跨越我为数据集生成的多个模型。我在使用 lapply 方面相对缺乏经验，但我认为它应该对这个过程有所帮助：

#Calling in my libraries:
library(dplyr)

#Creating dataset:

DNase <- DNase

#Generating models, one for each "Run" in DNAse:
model_dna <- DNase %>% 
  group_by(Run) %>% 
  do(model_dna_group = lm(log(density) ~ log(conc), data = .)) %>%   ungroup()

#Creating a new data set to be used to generate predictions:
new_dna <- as.data.frame(DNase$conc) %>% 
  mutate(conc = DNase$conc * 2) %>% select(conc)

#Attempting to apply predict to these models for a new data frame:
new_dna_w_predictions <- lapply(
                           X = model_dna, 
                           FUN = predict, 
                           newdata = new_dna, 
                           interval = "prediction", 
                           level = 0.9
                          )

然而，这会导致以下错误：

get(as.character(FUN), mode = "function", envir = envir) 出错：未找到模式 'function' 的对象 'model_dna'

我不确定如何最好地构造此 lapply 函数，尤其是在多个模型中使用时。有没有更简洁的方法来解决这个问题？

Answer 1

您的 object model_dna 是一个 data.frame（更准确地说：一个小标题），它在第二列中包含 lm-objects" model_dna_group".

在 lapply 调用中，您应该引用该列，而不是整个数据框。 Lapply 尝试在数据框的列上使用 predict 而不是第二列中的 lm-object。

所以按如下方式编辑您的调用并且它有效：

new_dna_w_predictions <- lapply(
                           X = model_dna$model_dna_group, 
                           FUN = predict, 
                           newdata = new_dna, 
                           interval = "prediction", 
                           level = 0.9
                          )

Answer 2

这里有完整的tidyverse解决方案：

# Calling in my libraries:
library(dplyr)
library(purrr)

# Creating dataset:
DNase <- DNase

# Creating a new data set to be used to generate predictions:
new_dna <- DNase %>% transmute(conc = conc * 2)  # simplified

# Generating models, one for each "Run" in DNAse:
model_dna <- DNase %>% 
  group_by(Run) %>% 
  summarise(model_dna_group = list(lm(log(density) ~ log(conc))))
  
model_dna
#> # A tibble: 11 x 2
#>    Run   model_dna_group
#>    <ord> <list>         
#>  1 10    <lm>           
#>  2 11    <lm>           
#>  3 9     <lm>           
#>  4 1     <lm>           
#>  5 4     <lm>           
#>  6 8     <lm>           
#>  7 5     <lm>           
#>  8 7     <lm>           
#>  9 6     <lm>           
#> 10 2     <lm>           
#> 11 3     <lm>


# Run predictions
model_dna %>%
  group_by(Run) %>% 
  summarise(map(model_dna_group, predict, newdata = new_dna, interval = "prediction", level = 0.9) %>% map_dfr(as_tibble),
            .groups = "drop")

#> # A tibble: 1,936 x 4
#>    Run       fit    lwr    upr
#>    <ord>   <dbl>  <dbl>  <dbl>
#>  1 10    -2.16   -2.48  -1.85 
#>  2 10    -2.16   -2.48  -1.85 
#>  3 10    -1.33   -1.64  -1.03 
#>  4 10    -1.33   -1.64  -1.03 
#>  5 10    -0.918  -1.22  -0.617
#>  6 10    -0.918  -1.22  -0.617
#>  7 10    -0.503  -0.804 -0.201
#>  8 10    -0.503  -0.804 -0.201
#>  9 10    -0.0873 -0.392  0.217
#> 10 10    -0.0873 -0.392  0.217
#> # ... with 1,926 more rows

^{由 reprex package (v2.0.0)}

于 2021-11-19 创建

通知：

在 dplyr 1.0 之后，您不再需要为这种情况使用 do
使用 map 和 map_dfr 您可以计算您的预测并将它们很好地适合您的 tibble

为 R 中的 1 个以上线性模型生成预测区间？

Generating prediction intervals for more than 1 linear model in R?

r

dplyr

model

lm

predict