嵌套循环没有 return 预期值：Return 模型结果来自多个重新计算的自变量

Question

我需要一些关于我的嵌套循环的帮助，它没有返回我期望的值。我是嵌套循环的新手，所以请多多包涵。我想为逻辑回归模型计算一个新的自变量，该模型基于对原始变量的不同计算。具体来说，我有六个变量 "x1...x6"，然后我通过从成对的原始变量中提取百分位数来创建三个新变量（newvar1、newvar2、newvar3）。从这三个新变量中，我然后通过减法将它们组合起来形成一个最终的新变量，该变量形成逻辑回归模型的自变量。然后由逻辑回归模型的 AIC 评估最终变量的值。

我需要确定构成 newvar2、newvar2 和 newvar3 的百分位值的最佳组合，从而为我提供最佳逻辑回归模型。为此，我尝试创建一个像这样嵌套的三层：

df <- data.frame(x1 <- rnorm(100),
             x2 <- rnorm(100),
             x3 <- rnorm(100),
             x4 <- rnorm(100),
             x5 <- rnorm(100),
             x6 <- rnorm(100),
             y <- as.factor(runif(100)<=.70))

n = 1
AIC = NULL
for (i in 0.1:n){
  for (j in 0.1:n){
    for (k in 0.1:n){
      df$newvar1 <-apply(df[,1:2], 1, quantile, probs = i, na.rm = T)
      df$newvar2 <-apply(df[,3:4], 1, quantile, probs = j, na.rm = T)
      df$newvar3 <-apply(df[,5:6], 1, quantile, probs = k, na.rm = T)
      df$finalvar <- df$newvar1 - df$newvar2 - df$newvar3
      model <- glm(y ~ finalvar, data = df, family = "binomial")
      AIC[i] <- as.numeric(model$aic)
    }
  }
}

我想为分位数函数的 "probs" 参数提供一个包含 11 个值的序列 (0, 0.1, 0.2....0.9,1)，我想获得 AIC对于每个可能的分位数参数估计 (11*11*11)。因此，最终的 AIC 变量应该是一个包含 121 个值的数值向量。但是，当我运行上面的代码时，我得到一个空的 AIC 数值。我怎样才能正确地获得此代码运行并为我提供所有可能的 121 个模型的值？

谢谢！

编辑：这不是解决方案，但提供了我认为的部分答案。在我之前的代码中，"n" 小于 1，因此它只执行一次迭代，（显然）"n" 需要大于 1。之前它小于 1 的原因是分位数的 "probs" 参数需要一个介于 0 和 1 之间的值。结束了，传递给参数 probs 的参数现在除以 10。现在有了 AIC[1 ] 我可以获得 10 的矢量，但我仍然不明白如何获得代表所有组合的完整 10*10*10（或 11*11*11）。

新代码：

 n = 10
 AIC = NULL
 for (i in 1:n){
   for (j in 1:n){
     for (k in 1:n){
       df$newvar1 <-apply(df[,1:2], 1, quantile, probs = i/10, na.rm = T)
       df$newvar2 <-apply(df[,3:4], 1, quantile, probs = j/10, na.rm = T)
       df$newvar3 <-apply(df[,5:6], 1, quantile, probs = k/10, na.rm = T)
       df$finalvar <- df$newvar1 - df$newvar2 - df$newvar3
       model <- glm(y ~ finalvar, data = df, family = "binomial")
       AIC[i] <- as.numeric(model$aic)
     }
   }
 }

Answer 1

首先，AIC 是一个 R 函数，所以我将名称更改为 aic。其次，在您的代码的最内层循环中，当您有 3 个索引时，您仅按 i 进行索引。所以也许这就是您真正需要的。

n = 10
aic = array(0, dim = c(n, n, n))  # changed
for(...)
    for(...)
        for(...){
            [...]
            aic[i, j, k] <- as.numeric(model$aic)  # changed
        }

嵌套循环没有 return 预期值：Return 模型结果来自多个重新计算的自变量

Nested loop doesn't return expected values: Return model results from multiple recalculated independent variables

r

parameter-passing

nested-loops