Question

我正在使用glm（）根据我制作的向量（h1_lines）中的值创建一些不同的模型。我希望sapply为向量中的每个值返回一个模型。相反，我的代码当前返回列表列表，其中列表的一部分是模型。它似乎正在返回我在sapply函数中所做的一切。

train = data.frame(scores=train[,y_col], total=train[,4], history=train[,5], line=train[,6])
h1_lines<- c(65, 70, 75)

models <- sapply(h1_lines, function(x){
                 temp_set<-train
                 temp_set$scores<-ifelse(temp_set$scores>x,1,
                                     ifelse(temp_set$scores<x,0,rbinom(dim(temp_set)[1],1,.5)))

                 mod<-glm(scores ~ total + history + line, data=temp_set, family=binomial)
                                    })

我希望代码可以工作，所以我可以这样做：

predict(models[1,], test_case)
predict(models[2,], test_case)
predict(models[3,], test_case)

但是现在我不能这样做因为sapply返回的不仅仅是模型...如果我打印（昏暗（模型））它说模型有30行和3列??

编辑添加问题;

使用下面的建议代码效果很好，我可以做预测（模型[[1]]，test_case）并且它工作得很好。如何返回/保存模型，以便我可以使用我用来创建它们的密钥来访问它们？例如，使用h1_scores可能类似于以下内容：

predict(models[[65]], test_case))

predict(models[[key==65]], test_case)

Answer 1

您需要使用lapply代替sapply。

sapply简化了太多。尝试：

lapply(ListOfData, function(X) lm(y~x, X))
sapply(ListOfData, function(X) lm(y~x, X))

我不确切地知道这种区别，但如果您希望sapply的每个项目的输出都具有可提取的部分（即Item$SubItem），则应使用{{1}而不是。

<强>更新

回答你的下一个问题，你可以这样做：

lapply

并通过

打电话给他们

names(models) <- h1_lines
names(h1_lines) <- h1_lines ## Before lapply

请记住在数字周围使用引号。作为旁注，使用数字命名列表项并不总是最好的主意。解决方法可能是：

models[["65"]]

sapply（）返回令人惊讶的结果 - R.

1 个答案: