Формула с динамическим числом переменных

Предположим, что есть некоторые data.frame foo_data_frame, и кто-то хочет найти регрессию целевого столбца Y некоторыми другими столбцами. Для этой цели обычно используются некоторые 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 необходимо прогнать несколько моделей с постоянным числом зависимых переменных (скажем, 2), то можно обращаться 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 в том, как сделать то же самое, когда число переменных меняется динамически 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?)
   }
}

Ответы

Ответ 1

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 можно вставить в модель lm, 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

Ответ 2

Часто забытая функция reformulate. От ?reformulate:

reformulate создает формулу из символьного вектора.

Простой пример:

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

даст следующую формулу:

y ~ factor1 + factor2

Хотя это явно не документировано, 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

Ответ 3

Другим вариантом может быть использование матрицы в формуле:

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

lm(Y ~ foo[,factors])

Ответ 4

Вам действительно 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)])))

Ответ 5

Обычно я решаю это, изменяя имя столбца ответа. Это проще сделать динамически и, возможно, более чистым.

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, ...)