使用dplyr对分组后的多个回归模型进行拟合，并将所得模型应用于测试集

我有一个大的数据集，我想根据案例生命周期中某个特定变量的值对其进行分区，然后在每个分区上运行逻辑回归。根据中@tchakravarty的回答，我编写了以下代码：

lifetimemodels = data %>% group_by(lifetime) %>% sample_frac(0.7)%>%
     do(lifeModel = glm(churn ~., x= TRUE, family=binomial(link='logit'), data = .))

我现在的问题是，我如何使用得到的逻辑模型计算剩余数据的AUC（未选择的0.3部分，应再次按寿命分组）

提前多谢

您可以调整dplyr方法以使用tidyr和purrr框架。您可以查看分组/嵌套以及mutate和map函数，以创建列表框架来存储工作流的各个部分

您正在寻找的测试/培训分离是modelr的一部分，modelr是一个用于在purrr框架内协助建模的包。特别是cross_vmc和cross_vkfold函数

一个使用mtcars的玩具示例仅用于说明框架

library(dplyr)
library(tidyr)
library(purrr)
library(modelr)

analysis <- mtcars %>%
  nest(-cyl) %>%
  unnest(map(data, ~crossv_mc(.x, 1, test = 0.3))) %>%
  mutate(model = map(train, ~lm(mpg ~ wt, data = .x))) %>%
  mutate(pred = map2(model, train, predict)) %>%
  mutate(error = map2_dbl(model, test, rmse))

这：

乘地铁 嵌套到名为data by cyl的列表框中 通过将crossv_mc映射到每个元素，然后使用unnest生成测试和训练列表列，将每个数据分离到训练集中。 将lm模型映射到每个列车，并将其存储在模型中 将预测函数映射到模型，并在pred中进行训练和存储 将rmse函数映射到模型和测试集，并存储在错误中。 可能有比我更熟悉工作流的用户，因此请更正/详细说明。

您可以调整dplyr方法以使用tidyr和purrr框架。您可以查看分组/嵌套以及mutate和map函数，以创建列表框架来存储工作流的各个部分

您正在寻找的测试/培训分离是modelr的一部分，modelr是一个用于在purrr框架内协助建模的包。特别是cross_vmc和cross_vkfold函数

一个使用mtcars的玩具示例仅用于说明框架

library(dplyr)
library(tidyr)
library(purrr)
library(modelr)

analysis <- mtcars %>%
  nest(-cyl) %>%
  unnest(map(data, ~crossv_mc(.x, 1, test = 0.3))) %>%
  mutate(model = map(train, ~lm(mpg ~ wt, data = .x))) %>%
  mutate(pred = map2(model, train, predict)) %>%
  mutate(error = map2_dbl(model, test, rmse))

这：

乘地铁 嵌套到名为data by cyl的列表框中 通过将crossv_mc映射到每个元素，然后使用unnest生成测试和训练列表列，将每个数据分离到训练集中。 将lm模型映射到每个列车，并将其存储在模型中 将预测函数映射到模型，并在pred中进行训练和存储 将rmse函数映射到模型和测试集，并存储在错误中。

---

可能有比我更熟悉工作流的用户，所以请更正/详细说明。

引入一列training=samplecT，F，size=n，prob=c0.3,0.7，replace=TRUE，然后保留glm中training=TRUE的行。引入一列training=samplecT，F，size=n，prob=c0.3,0.7，replace=TRUE，然后从glm中保留这些行，其中training==TRUE。感谢您提供了非常好的答案！我实际上是想得到一个AUC，因为我有一个分类问题。你知道如何获得AUC而不是rmse吗？我在一个数据集中这样做的方式是使用AUC软件包，但我不知道是否可以轻松地将其应用于您的解决方案：p1它需要一个unnestmaptestSet、~select.x，dependentvariable，然后重复mutatevar=mapcol1，col2，有趣地应用AUC度量。我现在有点迷茫。在您的解决方案的pred步骤之后是最新的吗？为了你有趣的论点，我可以输入auc吗？你需要扩展这个链，或者从分析开始，应用你的auc度量。了解如何以这种方式使用tidyr和purrr，非常感谢您的参考。我将代码升级到以下级别：分析%nest lifetime%>%unnestmapdata、~crossv_mc.x，1，test=0.3%>%mutatemodel=maptrain、~glmchurn~，x=TRUE，family=binomiallink='logit'，data=.x%>%mutatepred=map2model，test，predict，type=response%>%unnestmaptest、~select.x，dependentvariable，但当我尝试取消测试时，为了选择因变量，我得到了以下错误：错误：没有适用于“选择”的方法应用于重采样类的对象。有什么想法吗？谢谢你的回答！我实际上是想得到一个AUC，因为我有一个分类问题。你知道如何获得AUC而不是rmse吗？我在一个数据集中这样做的方式是使用AUC软件包，但我不知道是否可以轻松地将其应用于您的解决方案：p1它需要一个unnestmaptestSet、~select.x，dependentvariable，然后重复mutatevar=mapcol1，col2，有趣地应用AUC度量。我现在有点迷茫。在您的解决方案的pred步骤之后是最新的吗？为了你有趣的论点，我可以输入auc吗？你需要扩展这个链，或者从分析开始，应用你的auc度量。了解如何以这种方式使用tidyr和purrr，非常感谢您的参考。我将代码升级到以下级别：分析%nest lifetime%>%unnestmapdata、~crossv_mc.x，1，test=0.3%>%mutatemodel=maptrain、~glmchurn~，x=TRUE，family=binomiallink='logit'，data=.x%>%mutatepred=map2model，test，predict，typ e=response%>%unnestmaptest，~select.x，dependentvariable，但是当我尝试取消测试时，为了选择因变量，我得到了以下错误：错误：没有适用于类重采样对象的“select_”方法。有什么想法吗？