根据分组的许多线性回归对新数据进行评分

Question

我按客户组使用整洁，扩充和扫视创建了许多不同的线性回归方程。这样就输出了系数和拟合值。我现在想使用这些方程式预测一组新的数据。如何将预测传递到代码中？或者，如何将系数移动到一个新的数据框，使其所有系数与其所代表的模型位于同一行？ （不像整齐地在一列中列出coeff估计值）。在df_glance数据集输出中，有一列名为fit的列，其中包含每个方程的列表，我可以以某种方式利用它吗？ 我是否缺少一种更简单的方法来获取新数据集的预测？

df_glance=data%>%
nest(-Customer)%>%
mutate(fit=map(data~lm(log(MOUs+1)~rank+x1+x2+trendx1+trendx2+Month,data=.)),
       results=map(fit, glance))%>%
unnest(results)

df_tidy=data%>%
nest(-Customer)%>%
mutate(fit=map(data~lm(log(MOUs+1)~rank+x1+x2+trendx1+trendx2+Month,data=.)),
       results=map(fit, tidy))%>%
unnest(results)

df_augment=data%>%
 nest(-Customer)%>%
mutate(fit=map(data~lm(log(MOUs+1)~rank+x1+x2+trendx1+trendx2+Month,data=.)),
       results=map(fit, augment))%>%
unnest(results)