R 如何通过大量模型来收集预测

在

modeler

包中，函数

gather\u predictions

可用于将多个模型的预测添加到数据帧中，但是我不确定如何在函数调用中指定这些模型。帮助文档提供了以下exmaple：

df <- tibble::data_frame(
  x = sort(runif(100)),
  y = 5 * x + 0.5 * x ^ 2 + 3 + rnorm(length(x))
)

m1 <- lm(y ~ x, data = df)
grid <- data.frame(x = seq(0, 1, length = 10))
grid %>% add_predictions(m1)

m2 <- lm(y ~ poly(x, 2), data = df)
grid %>% spread_predictions(m1, m2)
grid %>% gather_predictions(m1, m2)

df
m%gather_预测（lm（y~poly（x，1），data=df））
对于（2:10中的N）{
m%聚集_预测（lm（y~多边形（x，N），数据=df）））
}
解决这个问题有一些变通方法。我的做法是：
1.构建具有特定名称的模型列表
2.使用经过调整的modelr:：gather_predictions（）版本将列表中的所有模型应用于数据

# prerequisites
library(tidyverse)
set.seed(1363)    

# I'll use generic name 'data' throughout the code, so you can easily try other datasets.
# for this example I'll use your data df
data=df

# data visualization
ggplot(data, aes(x, y)) + 
        geom_point(size=3)


#建立模型列表
模型适用于本例，但这确实意味着您必须在进行过程中创建模型，而不存储模型，这对于训练又好又快的线性模型很好，但对于更复杂的模型来说，这可能并不理想。@MarijnStevering哦，是的，我想它只是存储结果，但我这么做只是为了让它更简洁。为了存储模型，您只需在循环中再插入一行，这与您在问题中遇到的相同。话虽如此，您不能以这种方式使用列表数据类型，因此可能会导致您必须两次拟合模型，或者至少在将数据类型用于
聚集\u预测之前从列表转换数据类型。
m <- grid %>% gather_predictions(lm(y ~ poly(x, 1), data = df))
for (N in 2:10) {
  m <- rbind(m, grid %>% gather_predictions(lm(y ~ poly(x, N), data = df)))
}

# prerequisites
library(tidyverse)
set.seed(1363)    

# I'll use generic name 'data' throughout the code, so you can easily try other datasets.
# for this example I'll use your data df
data=df

# data visualization
ggplot(data, aes(x, y)) + 
        geom_point(size=3)

# build a list of models
models <-vector("list", length = 5)
model_names <- vector("character", length=5)
for (i in 1:5) {
        modelformula <- str_c("y ~ poly(x,", i, ")", sep="")
        models[[i]] <- lm(as.formula(modelformula), data = data)
        model_names[[i]] <- str_c('model', i) # remember we name the models here sequantially
}

# apply names to the models list
names(models) <- model_names

# this is modified verison of modelr::gather_predictions() in order to accept list of models
gather.predictions <- function (data, models, .pred = "pred", .model = "model") 
{
        df <- map2(models, .pred, modelr::add_predictions, data = data)
        names(df) <- names(models)
        bind_rows(df, .id = .model)
}

# the rest is the same as modelr's function...
grids <- gather.predictions(data = data, models = models, .pred = "y")

ggplot(data, aes(x, y)) + 
        geom_point() +
        geom_line(data = grids, colour = "red") +
        facet_wrap(~ model)