Question

我有一个学生属性和考试成绩的数据框，并且为每个年级（1至12）创建了一个线性模型。我正在使用扫帚包装为每个年级水平有效地创建一个模型。下面是一个简化的示例数据集和我正在使用的代码。

一旦我训练了模型，我就用它来预测2020学年的分数。一年级模型仅应用于测试集中的一年级数据，二年级模型仅应用于测试集中的二年级数据，依此类推。

#start df creation 

school_year <- rep(2017:2020, 120)
grade <- rep(1:12, each = 40)
attendance_rate <- round(runif(480, min=25, max=100), 1)
test_growth <- round(runif(480, min = -12, max = 38))
binary_flag <- round(runif(480, min = 0, max = 1))
score <- round(runif(480, min = 92, max = 370))
survey_response <- round(runif(480, min = 1, max = 4))

df <- data.frame(school_year, grade, attendance_rate, test_growth, binary_flag, score, survey_response) 

df$survey_response[df$grade == 1] <- NA

# end df creation

df_train <- df %>% filter(!(school_year == 2020))
df_predict <- df %>% filter(school_year == 2020)


#create models
model <- df_train %>%
  group_by(grade) %>% 
  nest() %>% 
  mutate(fit = map(data, ~ if(all(is.na(.x$survey_response)))
    lm(score ~ attendance_rate + test_growth + binary_flag, data = .x) 
    else lm(score ~ attendance_rate + test_growth + binary_flag + survey_response, data = .x)),
    tidied = map(fit, tidy),
    augmented = map(fit, augment),
    glanced = map(fit, glance))

#generate projections for values in df_predict
df_predict %>%
   nest(test_data = -grade) %>%
   inner_join(model, by = 'grade') %>%
   mutate(result = map2(fit, test_data, predict))

我正在尝试确定在生成样本外投影时，是否可以为df_predict数据集中的每个学生生成95％的置信区间。我需要标准偏差是特定于年级的。这将为我提供一个最小和最大切割点，使我能够在实际测试结果中识别异常值。

Answer 1

尝试一下。您可以使用新变量confinter创建另一个插槽，在其中可以启用interval = 'prediction'，该变量将计算95％的置信区间。这里的代码：

#generate projections for values in df_predict using interval
dfpred2 <- df_predict %>%
  nest(test_data = -grade) %>%
  inner_join(model, by = 'grade') %>%
  mutate(result = map2(fit, test_data, predict),
         confinter=map2(fit, test_data, predict,interval = 'prediction'))

用预测值计算置信区间

1 个答案: