Формула с динамическим числом переменных

83

Предположим, есть некоторый data.frame foo_data_frame, и нужно найти регрессию целевого столбца Y по некоторым другим столбцам. Для этого обычно используются некие формулы и модели. Например:

linear_model <- lm(Y ~ FACTOR_NAME_1 + FACTOR_NAME_2, foo_data_frame)

Это хорошо работает, если формула закодирована статически. Если требуется выполнить рутирование нескольких моделей с постоянным количеством зависимых переменных (скажем, 2), это можно рассматривать так:

for (i in seq_len(factor_number)) {
  for (j in seq(i + 1, factor_number)) {
    linear_model <- lm(Y ~ F1 + F2, list(Y=foo_data_frame$Y,
                                         F1=foo_data_frame[[i]],
                                         F2=foo_data_frame[[j]]))
    # linear_model further analyzing...
  }
}

Мой вопрос: как сделать то же самое, когда количество переменных динамически меняется во время работы программы?

for (number_of_factors in seq_len(5)) {
   # Then root over subsets with #number_of_factors cardinality.
   for (factors_subset in all_subsets_with_fixed_cardinality) {
     # Here I want to fit model with factors from factors_subset.
     linear_model <- lm(Does R provide smth to write here?)
   }
}
r formula Максимум
источник
2
Благодаря! ваш средний пример заставил меня понять, что мне не нужно решение вашего вопроса и я могу сделать что-то гораздо более простое!
Марк Адамсон

Ответы:

105

См. ?as.formula, Например:

factors <- c("factor1", "factor2")
as.formula(paste("y~", paste(factors, collapse="+")))
# y ~ factor1 + factor2

где factors- вектор символов, содержащий имена факторов, которые вы хотите использовать в модели. Это вы можете вставить в lmмодель, например:

set.seed(0)
y <- rnorm(100)
factor1 <- rep(1:2, each=50)
factor2 <- rep(3:4, 50)
lm(as.formula(paste("y~", paste(factors, collapse="+"))))

# Call:
# lm(formula = as.formula(paste("y~", paste(factors, collapse = "+"))))

# Coefficients:
# (Intercept)      factor1      factor2  
#    0.542471    -0.002525    -0.147433
Джорис Мейс
источник
66

Часто забывают о функции reformulate. Откуда ?reformulate:

reformulate создает формулу из вектора символов.

Простой пример: 

listoffactors <- c("factor1","factor2")
reformulate(termlabels = listoffactors, response = 'y')

даст следующую формулу:

y ~ factor1 + factor2

Хотя это явно не задокументировано, вы также можете добавить условия взаимодействия: 

listofintfactors <- c("(factor3","factor4)^2")
reformulate(termlabels = c(listoffactors, listofintfactors), 
    response = 'y')

даст:

y ~ factor1 + factor2 + (factor3 + factor4)^2

Mnel
источник
3
@JorisMeys И это намного приятнее, так как позволяет добавлять условия взаимодействия! Я много лет искал подобное решение ..
Landroni
Что, если переменные x содержат пробелы? Скажите «фактор 1», «фактор 2» и т. Д.
аксиома
11

Другой вариант - использовать матрицу в формуле:

Y = rnorm(10)
foo = matrix(rnorm(100),10,10)
factors=c(1,5,8)

lm(Y ~ foo[,factors])
Саша Эпскамп
источник
3
+1, но имейте в виду, что это не позволяет использовать эффекты взаимодействия. Для этого можно также построить модельную матрицу (см. ?model.matrix)
Джорис Мейс,
4

На самом деле вам не нужна формула. Это работает:

lm(data_frame[c("Y", "factor1", "factor2")])

как это делает:

v <- c("Y", "factor1", "factor2")
do.call("lm", list(bquote(data_frame[.(v)])))
Г. Гротендик
источник
+1 Очень правильно, но опять же, вам придется использовать model.matrix для построения матрицы с эффектами взаимодействия.
Джорис Мейс,
0

Обычно я решаю эту проблему, изменяя имя своего столбца ответов. Это проще сделать динамически и, возможно, чище.

model_response <- "response_field_name"
setnames(model_data_train, c(model_response), "response") #if using data.table
model_gbm <- gbm(response ~ ., data=model_data_train, ...)
bibzzzz
источник