R 使用模型加快行的复制

我想为一个整数自变量（iv1）创建复制预测，给定一些模型和一个称为训练的数据框架。这是我目前的做法。我理解这不是自包含的，但希望它是自解释的：

number_of_samples <- 10
results <- NULL
for (row in 1:nrow(training)) {

    fake_iv1_values <- sample(1:100, number_of_samples)
    case <- training[row,]

    for (iv1 in fake_iv1_values) {
        case$iv1 <- iv1

        case$prediction <- predict(some_model, newdata = case)

        results <- rbind(results, case)
    }
}

样本数试试这个

可复制的假数据和模型：

# create fake data
n_row <- 100
n_xs  <- 100

training <- data.frame(y = rnorm(n_row), iv1 = rnorm(n_row))
training[, paste0("x",1:n_xs)] <- replicate(n_xs, list(rnorm(n_row)))

# example model
some_model <- lm(y~., training)

#创建假数据
我认为你可以直接做
预测（一些模型，newdata=fake\u iv1\u值）
。在R中，许多函数都是矢量化的。但是，如果您共享一个
训练
和
伪iv1_值的示例，那么测试它应该更容易。@Edo-这不会起作用，因为还有其他独立的值，但我认为我可以先创建一个复制案例的数据框，然后在一次扫描中使用模型并附加预测。我可以假设
训练
和
一些\u模型
如下所示<代码>培训是的，但更多xs
number_of_samples <- 10
results <- NULL

# vector of several fake_iv1_values vectors
fake_iv1_values <- as.numeric(replicate(nrow(training), sample(1:100, number_of_samples)))

# replicate each row of the original dataframe
results <- training[rep(seq_len(nrow(training)), each = number_of_samples), ]

# add fake values to the replicated dataframe
results$iv1 <- fake_iv1_values

# get predictions
results$prediction <- predict(some_model, newdata = results)