R 中简单线性回归和预测的迭代

Question

使用 R，我想运行 n 迭代使用训练数据集生成 n 简单线性回归模型预测测试数据的 n 组拟合值。这将涉及将模型和预测存储在适当的容器中。我还想使用标签向量来标记预测。数据结构如下： X = c(1.1,2.3,3.4,4.5,5.8), Y = c(1.0,2.4,3.3,4.7,6.0)，模型会像 lm(Y.train~X.train)，预测会像 predict(lm, data = test_set)。我将如何设置它？有没有更好的方法？

谢谢！

Answer 1

设置一两个列表来存储拟合模型和预测。然后循环。

在下面的代码中，您需要填写 ...，因为我不知道您的数据是什么样的，也不知道您如何决定每次迭代之间的差异。

model_list   <- vector(mode="list", length=N)
predict_list <- vector(mode="list", length=N)

for (i in 1:N) {
    # fit model
    model_list[[i]] <- lm(y ~ x, data=subset(...))

    # store predictions
    predict_list[[i]] <- predict(model_list[[i]], newdata=subset(...))
}

R 中简单线性回归和预测的迭代

Iteration for Simple Linear Regression and Prediction in R

iteration

r

prediction

linear-regression