时间戳

首页 > 解决方案 > 运行许多线性回归模型

python - 运行许多线性回归模型

问题描述

假设我有数据可以运行许多线性回归模型。

数据：https ://www.img.in.th/image/TNHdEq

给定 C1 列是 y 变量。

x 变量是 C4 列，由 C2 和 C3 列创建，Model1 由 C2 列的第一行和 C3 列的剩余 8 行创建，Model2 由 C2 列的前 2 行和 C3 剩余的 7 行创建，然后到 Model9 是由 C2 的前 8 行和 C3 的最后一行创建。

示例 x 变量：

model1 : { b, d, i,...,z}

model2 : { b, f, i,..., z}

.

.

.

model9 : {b, f, h,..., z}

并通过最大 R 平方选择模型。

问题：如何编码？环形？

同时使用 R 和 python。

Ps.Really，我使​​用有序概率模型。而且我有很多行 100+。

谢谢你。

标签： pythonr

解决方案

运行许多模型可以通过*apply循环和结果输出到列表对象来完成。在这种情况下，循环变量将是行号i，从 1 到nrow(df1) - 1.

n <- nrow(df1)
probit_list <- lapply(seq.int(n)[-n], function(i){
  C4 <- c(df1$C2[seq.int(i)], df1$C3[-seq.int(i)])
  C4 <- ordered(C4, levels = levels(df1$C2))
  dftmp <- data.frame(C1 = df1$C1, C4)
  tryCatch(glm(C1 ~ C4, data = dftmp, family = binomial(link = "probit")),
           error = function(e) e)
})

看看有多少给出错误运行

ok <- sapply(probit_list, inherits, "error")
sum(!ok)

测试数据

set.seed(1234)
n <- 9
df1 <- data.frame(
  C1 = rbinom(n, 1, prob = c(0.4, 0.6)),
  C2 = ordered(sample(1:4, n, TRUE), levels = 1:4),
  C3 = ordered(sample(1:4, n, TRUE), levels = 1:4)
)

推荐阅读