Соответствующая матрица индикаторов именам столбцов в R

Question

вопрос, который я пытаюсь решить: «Как я могу создать автоматизированную последовательность кода, которая будет извлекать названия заголовков желаемых столбцов из набора данных, чтобы соответствовать общей линеаризованной модели (glm)?» У меня есть набор данных с 8 переменными; однако я хочу использовать только 3 из них для перекрестной проверки и нахождения «лучшей» модели. Вот что я придумала:

library(boot)

salary <- read.csv("salary_data.csv")
vars <- colnames(salary[c(2,3,7)])
nvars <- length(vars)
list.to.expand = vector(mode = "list", length = nvars)
for (i in 1:nvars){
  list.to.expand[[i]]=c(0,1)
}
model.spec.matrix <- expand.grid(list.to.expand)

vars
model.spec.matrix

names(model.spec.matrix) <- vars
vars.to.use <- model.spec.matrix[2,]
vars.to.use <- as.numeric(vars.to.use)
cn <- c()
for (i in 1:nrow(model.spec.matrix)){
  if(i==1){cn <- colnames(model.spec.matrix[sapply(model.spec.matrix[i,], function(x) x > 0)]) 
  }
}
print(cn)
paste(cn, collapse = "+")
glm.out = glm(paste("LogACG~",paste(cn,collapse = "+"),sep = ""), family = gaussian, data = salary)
cv.err = cv.glm(salary, glm.out, K = 10)$delta[1]

Моя проблема заключается в том, что l oop. Я попытался создать al oop, который будет добавлять значения из "vars" в "model.use", но я не могу заставить его читать после 2-й строки в матрице. Какие-либо предложения? Спасибо

Answer 1

Кажется, что здесь происходит несколько вещей.

Вы сделали LogACG пояснительной переменной в вашей второй строке ("LogACG~, но это также одна из * 1005). * которые в конечном итоге заканчиваются на model.vars из-за vars <- colnames(salary[c(2,3,7)]), так что это не правильно.

Далее ваш второй for l oop должен перебирать строки model.spec.matrix, то есть

for(i in 1:nrow(model.spec.matrix)){

и для программного захвата имен столбцов (переменных), указанных в этой строке, вы можете сделать

cn <- colnames(model.spec.matrix[sapply(model.spec.matrix[i,], function(x) x > 0)])

в пределах l oop. Вам также следует переместить glm и cv.glm внутри l oop.

Однако это будет перезаписывать glm.out и cv.err каждый раз, так что вы захотите создать их как пустые списки и добавлять список в каждой итерации.

Таким образом, конечный продукт будет выглядеть следующим образом:

# Since you can't use LogACG to explain itself, 
#    suppose you meant to use Engineering as a candidate X
vars <- colnames(salary[c(2,3,8)])

# Make your grid
model.spec.matrix        <- expand.grid(list.to.expand)
names(model.spec.matrix) <- vars

glm.out <- list(rep(NA, nrow(model.spec.matrix)))
cv.err  <- list(rep(NA, nrow(model.spec.matrix)))

for(i in 1:nrow(model.spec.matrix)){
  cn <- colnames(model.spec.matrix[sapply(model.spec.matrix[i,], function(x) x > 0)])
  if(length(cn) == 0){cn <- "."}  
  tmp        <- glm(as.formula(paste("LogACG~",paste(cn,collapse = "+"),sep = "")), family = gaussian, data = salary)
  glm.out[i] <- capture.output(tmp$formula)
}
# > glm.out
# [[1]]
# [1] "LogACG ~ ."
# 
# [[2]]
# [1] "LogACG ~ Rank_Code"
# 
# [[3]]
# [1] "LogACG ~ Gender"
# 
# [[4]]
# [1] "LogACG ~ Rank_Code + Gender"
# 
# [[5]]
# [1] "LogACG ~ Engineering"
# 
# [[6]]
# [1] "LogACG ~ Rank_Code + Engineering"
# 
# [[7]]
# [1] "LogACG ~ Gender + Engineering"
# 
# [[8]]
# [1] "LogACG ~ Rank_Code + Gender + Engineering"

Чтобы получить весь объект модели в элементе списка замените

glm.out[i] <- capture.output(tmp$formula)

на

glm.out    <- append(glm.out, tmp)

т.е.

for(i in 1:nrow(model.spec.matrix)){
  cn <- colnames(model.spec.matrix[sapply(model.spec.matrix[i,], function(x) x > 0)])
  if(length(cn) == 0){cn <- "."}  
  tmp        <- glm(as.formula(paste("LogACG~",paste(cn,collapse = "+"),sep = "")), family = gaussian, data = salary)
  tmp1       <- cv.glm(salary, tmp, K = 10)$delta[1]
  glm.out    <- append(glm.out, tmp)
  cv.err     <- append(cv.err, tmp1)
}

> tail(cv.err)
[[1]]
[1] 2.751025

[[2]]
[1] 2.758954

[[3]]
[1] 2.735063

[[4]]
[1] 2.768075

[[5]]
[1] 2.774433

[[6]]
[1] 2.748291

Кроме того, вы можете быть лучше обслужили нас пакет типа bestglm или просто функция step из pacakge по умолчанию stats (см. ?step).