glm `Foregnet()` Ошибка: нет применимого метода для "предиката" применяется к объекту класса "список"

У меня проблема с управлением типами объектов, поступающими в функцию предсказания. Вот моя упрощенная функция, которая генерирует glm объект.

fitOneSample <- function(x,data,sampleSet)
{
  #how big of a set are we going to analyze? Pick a number between 5,000 & 30,000, then select that many rows to study
  sampleIndices <- 1:5000

  #now randomly pick which columns to study
  colIndices <- 1:10

  xnames <- paste(names(data[,colIndices]),sep = "")
  formula <- as.formula(paste("target ~ ", paste(xnames,collapse = "+")))
  glm(formula,family=binomial(link=logit),data[sampleIndices,])
}

myFit <- fitOneSample(1,data,sampleSet)
fits <- sapply(1:2,fitOneSample,data,sampleSet)
all.equal(myFit,fits[,1]) #different object types

#this works
probability <- predict(myFit,newdata = data)

#this doesn't
probability2 <- predict(fits[,1],newdata = data)
# Error in UseMethod("predict") :
# no applicable method for 'predict' applied to an object of class "list"

Как получить доступ к столбцу в fits[,1] так что я могу использовать функцию предсказания, чтобы получить тот же результат, что я сделал с myFit?

Источник

1 ответ

Решение

Я думаю, что теперь я могу восстановить вашу ситуацию.

fits <- sapply(names(trees),
               function (y) do.call(lm, list(formula = paste0(y, " ~ ."), data = trees)))

Это использует встроенный набор данных trees В качестве примера можно привести три линейные модели:

Girth ~ Height + Volume
Height ~ Girth + Volume
Volume ~ Height + Girth

Так как мы использовали sapply и каждая итерация возвращает одно и то же lm объект, или список длиной 12, результаты будут упрощены до 12 * 3 матрица:

class(fits)
# "matrix"

dim(fits)
# 12  3

Матричная индексация fits[, 1] является действительным.

Если вы проверите str(fits[, 1]), это выглядит почти нормально lm объект. Но если вы еще проверите:

class(fits[, 1])
# "list"

Эм? У него нет класса "лм"! В следствии, S3 метод диспетчеризации завершится неудачно при вызове универсальной функции predict:

predict(x)
#Error in UseMethod("predict") : 
#  no applicable method for 'predict' applied to an object of class "list"

Это можно рассматривать как хороший пример того, что sapply разрушительно Мы хотим lapply, или по крайней мере, sapply(..., simplify = FALSE):

fits <- lapply(names(trees),
               function (y) do.call(lm, list(formula = paste0(y, " ~ ."), data = trees)))

Результат lapply легче понять. Это список длиной 3, где каждый элемент является lm объект. Мы можем получить доступ к первой модели через fits[[1]], Теперь все будет работать

class(fits[[1]])
# "lm"

predict(fits[[1]])
#        1         2         3         4         5         6         7         8 
# 9.642878  9.870295  9.941744 10.742507 10.801587 10.886282 10.859264 10.957380 
#        9        10        11        12        13        14        15        16 
#11.588754 11.289186 11.946525 11.458400 11.536472 11.835338 11.133042 11.783583 
#       17        18        19        20        21        22        23        24 
#13.547349 12.252715 12.603162 12.765403 14.002360 13.364889 14.535617 15.016944 
#       25        26        27        28        29        30        31 
#15.628799 17.945166 17.958236 18.556671 17.229448 17.131858 21.888147

Вы можете исправить свой код по

fits <- lapply(1:2,fitOneSample,data,sampleSet)
probability2 <-predict(fits[[1]],newdata = data)
Источник
Другие вопросы по тегам