我有一个.csv
文件并使用库fread()
中使用data.table
函数的R输入。
使用8928 obs
和71 variable
在R中输入的文件。
以下是包含71列和8928行的数据内容DT
:
01F0017S 01F0029S 01F0061S ... 01F3676S 01F3686S 01F3736S
49.25 47.58 119.00 116.77 34.00 188.44
....
52.25 49.40 199.18 ... 118.83 33.10 186.13
然后我创建了两个名为data.table
和TrainDT
的{{1}}:
PracticeDT
我写了一个for循环来适应逐步回归模型TrainDT<-DT[1:round(0.7*nrow(DT),0)]
PracticeDT<-DT[round(0.7*nrow(DT),0):nrow(DT)]
和step()
它。
按照以下步骤拟合模型:
第1步:
我将predict()
移至TrainDT
data.table,其中包含TrainModel
,2673 obs
和72 variables
一个名为cbind()
的新列
01F0017S_y
TrainModel<-cbind(setnames(TrainDT[7:nrow(TrainDT),i,with=F],paste0(names(DT[1,i,with=FALSE]),'_y')),TrainDT[1:(nrow(TrainDT)-6),1:length(TrainDT),with=F])
的内容:
TrainModel
第2步:
这是我的问题:
我使用01F0017S_y 01F0017S 01F0029S 01F0061S ... 01F3676S 01F3686S 01F3736S
43.74 49.25 47.58 119.00 116.77 34.00 188.44
....
44.55 52.25 49.40 199.18 ... 118.83 33.10 186.13
来拟合回归模型和lm
脚本,如下所示:
step(lm,direction='both')
如何使此线性模型与列Fitmodel<-lm(`01F0017S_y`~.,data=TrainModel)
stepwise<-step(Fitmodel,sacle=0,direction = 'both')
以不同的名称进行逐步回归?
例如:
_y
我写的循环会自动创建带Fitmodel<-lm(`01F0017S_y`~.,data=TrainModel)
Fitmodel<-lm(`01F0029S_y`~.,data=TrainModel)
Fitmodel<-lm(`01F0061S_y`~.,data=TrainModel)
的变量,但不知道如何分配给迭代。
我尝试某种方式来分配变量_y
,但总是失败,因为模型会将变量_y
与响应变量放在一起。
离。 _y
Fitmodel<-lm(TrainModel[[1]]~.,data=TrainModel)
将与其他人一起变量如下图所示:
我试着这样:
_y
有错误信息:
如何使用不同的x<-paste(names(DT[1,1,with=FALSE]),'_y',sep ='' )
ModelTest_8<-lm(`x`~.,data=TrainModel)
变量迭代逐步回归?
非常感谢。
答案 0 :(得分:0)
在没有可重现的数据的情况下,这是使用虹膜数据的解决方案:
dat <- iris[, !names(iris) %in% "Species"]
responses<- grep("Length", names(iris), value=T)
predictor <- grep("Width", names(iris), value=T)
models <- lapply(responses, function(x) as.formula(paste(x, paste(predictor,collapse="+"), sep="~")))
models
[[1]]
Sepal.Length ~ Sepal.Width + Petal.Width
<environment: 0x0000000015c28de0>
[[2]]
Petal.Length ~ Sepal.Width + Petal.Width
<environment: 0x0000000015c2c9e0>
fits <- lapply(models, lm, data=dat)
steps <- lapply(fits, step, sacle=0, direction="both")