Question

我想用for循环计算R中特征选择的t-Statistic。数据有155列，因变量是二进制（mutagen - nonmutagen）。我想为每列分配一个t-stat。问题是我无法弄清楚我该怎么写它。

这是我试图在R中实现的公式：

我也编写了一个代码，但我不确定它，它仅适用于第一列。我需要为所有列写入for循环。

abs(diff(tapply(train_df[,1], train_df$Activity, mean))) / sqrt(sd((train_df$NEG_01_NEG[train_df$Activity == "mutagen"])^2) / (length(train_df$NEG_01_NEG[train_df$Activity == "mutagen"])) + 
   sd((train_df$NEG_01_NEG[train_df$Activity != "mutagen"])^2) / (length(train_df$NEG_01_NEG[train_df$Activity != "mutagen"])))

提前致谢！

Answer 1

如果您不想担心速度（并且您可能不关心155列），您可以使用t.test功能并将其应用于每一列。

首先模拟一些数据

set.seed(1)
DF <- data.frame(y=rep(1:2, 50), x1=rnorm(100), x2=rnorm(100), x3=rnorm(100))
head(DF)

  y         x1          x2         x3
1 1 -0.6264538 -0.62036668  0.4094018
2 2  0.1836433  0.04211587  1.6888733
3 1 -0.8356286 -0.91092165  1.5865884
4 2  1.5952808  0.15802877 -0.3309078
5 1  0.3295078 -0.65458464 -2.2852355
6 2 -0.8204684  1.76728727  2.4976616

然后我们可以使用公式参数将t.test函数应用于除第一列之外的所有列。

group <- DF$y
lapply(DF[,-1], function(x) { t.test(x ~ group)$statistic })

返回每列的测试统计信息。

t.test计算了许多您不需要的额外信息，因此您可以通过直接进行计算来大幅提高速度，但这里真的没有必要

特征选择的t-stat

1 个答案: