Formuła z dynamiczną liczbą zmiennych

Załóżmy, że istnieje jakaś data.frame foo_data_frame i chcemy znaleźć regresję kolumny docelowej Y przez inne kolumny. W tym celu zwykle używa się wzoru i modelu. Na przykład:

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

Działa to dobrze, jeśli formuła jest kodowana statycznie. Jeśli chcemy zakorzenić się w kilku modelach ze stałą liczbą zmiennych zależnych (powiedzmy 2), można to potraktować w ten sposób:

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...
  }
}

Moje pytanie brzmi, jak to samo wpływa na to, że liczba zmiennych zmienia się dynamicznie podczas działania programu?

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?)
   }
}

Zobacz ?as.formulanp .:

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

gdzie factorsjest wektorem znaków zawierającym nazwy czynników, których chcesz użyć w modelu. Możesz to wkleić do lmmodelu, np .:

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

Często zapomniana funkcja to reformulate. Od ?reformulate:

reformulate tworzy formułę z wektora znakowego.

Prosty przykład:

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

da następującą formułę:

y ~ factor1 + factor2

Chociaż nie jest to wyraźnie udokumentowane, możesz także dodać terminy interakcji:

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

przyniesie:

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

Inną opcją mogłoby być użycie macierzy w formule:

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

lm(Y ~ foo[,factors])

Właściwie nie potrzebujesz formuły. To działa:

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

tak jak to:

v <- c("Y", "factor1", "factor2")
do.call("lm", list(bquote(data_frame[.(v)])))

Generalnie rozwiązuję to, zmieniając nazwę mojej kolumny odpowiedzi. Łatwiej jest to zrobić dynamicznie i być może czystsze.

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, ...)