优化代码以计算coef和r的平方每个模型在R中生成
优化代码以计算coef和r的平方每个模型在R中生成
提问于 2019-04-22 01:46:11
基于 this stackoverflow topic，我想提取系数。
在“钻石”数据集中，我使用nest()函数将钻石数据集分成两个分类变量: color和cut。然后，对于每个模型，计算系数和r_square，并将它们存储为数据帧。
我通过以下代码成功地做到了这一点：
df_dia <- diamonds %>%
group_by(color, cut) %>% nest() %>%
# generate summary
mutate(fit = map(data, ~lm(price ~ carat, data=.)), summary= map(fit, glance)) %>%
unnest(summary) %>%
# generate coef
mutate(fit = map(data, ~lm(price ~ carat, data=.) %>%coef %>%
as.list %>% as_tibble)) %>%
unnest(fit) %>% unnest(data) %>%
select(color, cut, `(Intercept)`, carat, r.squared)然而，它的效率并不高，因为它必须进行2次回归。有没有更好的办法？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-04-22 06:35:16
为什么不使用sapply：
fa = split(diamonds,f = list(diamonds$color,diamonds$cut) )
df_d=data.frame(t(sapply(fa,function(dft){ ## dft=fa[[1]]
m1=lm(price ~ carat,dft)
c(coef(m1),r.squared=summary(m1)$r.squared)
})))
df_dn=do.call("rbind",strsplit(row.names(df_d),".",fixed = T))
df_d = cbind(df_dn,df_d)
colnames(df_d)[1:2]= c("color", "cut")
head(df_d)
# head(df_d)
# color cut X.Intercept. carat r.squared
# D.Fair D Fair -2255.690 7115.086 0.7705523
# E.Fair E Fair -2612.316 7348.326 0.8100614
# F.Fair F Fair -2214.511 6677.834 0.7531280
# G.Fair G Fair -2199.924 6289.356 0.7370402
# H.Fair H Fair -2297.343 6096.767 0.7396489
# I.Fair I Fair -3097.742 6496.508 0.8263858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/55785211
复制相关文章
相似问题