Я видел довольно много примеров того, как делать регрессию (линейная, множественная ... и т. Д. c.), Но в каждом примере, который я видел, вам приходилось определять каждую функцию в формуле ...
linearMod <- lm(Y ~ x1 + x2 + x3 + ..., data=myData)
Что ж, мы использовали TSFre sh для создания дополнительных функций. Около 100. Так, как я должен сделать это сейчас? Я действительно не хочу вводить x1 .. вплоть до .. x100. В Phyton scikit-learn я мог бы просто ввести все данные:
lm = linear_model.LinearRegression()
model = lm.fit(X,y)
, а затем повторить это для каждой «группы объектов», чтобы создать множественную линейную регрессию.
Есть ли способ сделать это в R? Или я делаю это неправильно? Может быть, другой подход?
Изначально у нас было 8 функций / свойств на строку. И с TSFre sh мы произвели больше таких. (Среднее значение, ЗППП и т. Д.)
И каждая из этих функций имеет довольно линейное влияние на результат Y. Так как же теперь я могу определить нечто вроде множественной линейной модели, которая просто использует все расширенные функции? В идеале, без необходимости каждый раз рассказывать это вручную.
Так, например (одна формула, вероятно, будет содержать 1-12 для Y), следующая (13-24 для Y) и так далее. Есть ли простой способ сделать это?