Question

我将线性回归模型应用于数据，并使用relaimpo包找出最重要的因素。

在R中运行以下代码时，它可以正常工作

library(readxl)
nba <- read_excel("XXXX")
View(nba)


library(relaimpo)
rec = lm(won ~ o_fgm + o_ftm + o_pts , data = nba)
x= calc.relimp(rec, type = c("lmg"), rela = TRUE, rank = TRUE)
x$lmg

我得到的输出：

    o_fgm     o_ftm     o_pts 
0.3374366 0.2628543 0.3997091

通过Tableau连接时，我使用以下代码：

SCRIPT_REAL("
won=.arg1
o_fgm=.arg2
o_ftm=.arg3
o_pts=.arg4


library(relaimpo)
rec = lm(won ~ o_fgm + o_ftm + o_pts)
x= calc.relimp(rec, type = c('lmg'), rela = TRUE, rank = TRUE)

"
,MEDIAN([Won]),MEDIAN([O Fgm]),MEDIAN([O Ftm]),MEDIAN([O Pts]))

我收到以下错误：

An error occurred while communicating with the RServe service.
Error in calc.relimp.default.intern(object = structure(list(won = 39, : Too few complete observations for estimating this model

我只使用回归运行它并且运行正常;所以似乎问题在于relaimpo包。这个软件包的在线文档数量有限，所以我找不到修复方法;任何帮助真的很感谢谢谢！

数据来自https://www.kaggle.com/open-source-sports/mens-professional-basketball

的kaggle

（＆＃34; basketball_teams.csv＆＃34;文件）

Answer 1

当Tableau使用SCRIPT_REAL（）函数或任何SCRIPT_XXX（）函数调用R或Python时，它使用Tableau调用表计算的内容。这样可以传递R一个或多个向量 - 并接收向量结果 - 而不是为每个标量单元调用一次函数。

但是，您负责指定如何将聚合结果分区为向量，以及如何对发送给R或Python的向量中的行进行排序。你可以通过指定＆＃34;分区＆＃34;来实现。和＃34;寻址＆＃34;通过编辑表计算命令（右键单击计算字段），每个表计算结果。

所以最可能的问题是，你发送的R数据少于预期，也许是很多短向量而不是你想要的长向量。在在线帮助中阅读有关Table Calcs以及分区和寻址的信息。您可以通过选择哪些维度不设置为＆＃34;使用＆＃34;来计算分区。（寻址尺寸的同义词）当您尝试不同的设置时，Table Calc编辑器会为您提供一些可见的反馈 - 我建议在大多数情况下使用特定的尺寸。

对于表格计算，分区和寻址的选择与实际公式一样重要。

R + Tableau连接：使用线性回归＆amp; Relaimpo包装;在R工作但没有联系

1 个答案: