R 聚类上的线性回归
我有一个数据集中的10k均值聚类。我想分别用所有这些聚类建立线性回归模型。 我想要10个线性回归模型。如何使用R中的循环来实现这一点我得到了答案。 这是我真正想要的。 此代码基本上来自Hadley Wikham的github文章“管理多个模型”R 聚类上的线性回归,r,loops,linear-regression,k-means,R,Loops,Linear Regression,K Means,我有一个数据集中的10k均值聚类。我想分别用所有这些聚类建立线性回归模型。 我想要10个线性回归模型。如何使用R中的循环来实现这一点我得到了答案。 这是我真正想要的。 此代码基本上来自Hadley Wikham的github文章“管理多个模型” house.cluster%映射(扫帚::扫视), rsq=glance%>%map\u dbl(“r.squared”) ) 现在我想用这10个模型来预测我的测试集。 如何使用循环来实现这一点。(严肃:你试过什么?lappy(分裂(火车,集群),lm
house.cluster%映射(扫帚::扫视),
rsq=glance%>%map\u dbl(“r.squared”)
)
现在我想用这10个模型来预测我的测试集。
如何使用循环来实现这一点。(严肃:你试过什么?
lappy(分裂(火车,集群),lm,公式=价格~)
请查看。谢谢@G.Grothendieck
house.cluster <- kmeans(scale(house), 10, 50)
house$cluster <- house.cluster$cluster
by_cluster <- train %>%
group_by(cluster) %>%
nest()
cluster_model <- function(df) {
lm(price ~., data = df)
}
models <- by_cluster %>%
mutate(
model = data %>% map(cluster_model)
)
models <- models %>%
mutate(
glance = model %>% map(broom::glance),
rsq = glance %>% map_dbl("r.squared")
)