broom

4熱

1答えて

broomとdplyrを使用してグループ化されたデータをグループ化されたモデルに適用するにはどうすればよいですか？

mtcarsデータセットのgpm（1マイル当たりのガロン= 1/mpg）のモデルをwtにフィッティングするのと同じことをしたいと思います。それは簡単だと思われます： data(mtcars) library(dplyr) library(tidyr) library(broom) library(ggplot2) library(scales) mtcars2 <- mtc

3熱

2答えて

ggplotの連続共変量の予測生存曲線のプロット

cox比例ハザードモデルの連続共変量の代表値に対する生存曲線をプロットするにはどうすればよいですか？具体的には、 "survfit.cox" "survfit"オブジェクトを使用してggplotでこれを行いたいと思います。これはすでに回答されている質問のように思えるかもしれませんが、私はSOのすべての項目を 'survfit'と 'newdata'（さらに多くの検索語句）という言葉で検索しました

0熱

1答えて

felmはbroom :: augment/purrrでは動作しませんが、整頓で動作します

ネストされたデータフレーム内で回帰を実行しようとしていますas described here。私は多くのレベルの固定効果があるので、私の目的のためにlfeパッケージからfelmを使用しています。上記の例での代わりにfelmを使用して例を再現すると、broom::augmentを使用しようとするまではほとんどの場合動作します。 library(tidyverse) library(broom)

0熱

1答えて

安全機能を使用しているときにbror libraryをpurrrで使用するには？

データ > dput(dg_sample) structure(list(PrecVehVelkm.level = structure(c(11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11

2熱

1答えて

1つのモデルでnewdataの機能を拡張すると、別のモデルでエラーが発生する

ここでは何か根本的な欠点があります。なぜ、拡張モデルはで動作しますか？ data(iris) library(broom) iris$cSepal.Length <- scale(iris$Sepal.Length, center = TRUE, scale = FALSE) nd <- expand.grid(Sepal.Length = seq(4, 8, 0.1), Species

3熱

4答えて

各予測変数列を個別に使用してモデルをフィットさせて結果をデータフレームに個別に格納します

私は、応答変数の1つの列と予測変数の複数の列を持つデータフレームを持っています。私は、予測変数のそれぞれを別々に使用して応答変数のモデルを適合させ、最終的にモデルの係数を含むデータフレームを作成します。以前、私はこれをやっているだろう： data(iris) iris_vars <- c("Sepal.Width", "Petal.Length", "Petal.Width") fits.i

0熱

1答えて

多くの単一変数モデルから、purrr、broomを使用して整然とした出力を返します。

私はバイナリの結果カラム（y）と複数の独立した予測子カラム（x1,x2、 ...）からなるデータフレームを持っています。（例えばy ~ x1、y ~ x2、y ~ x3）、および各モデルの累乗係数（オッズ比）、95％信頼区間及びp値を抽出する列に Iは多くの単一変数ロジスティック回帰モデルを実行したいですデータフレーム/チブル私には、晴天とほうきの組み合わせを使用して解決策が可能でなければならな

4熱

1答えて

モデルパラメータをテストするきちんとした方法

私は、同じ予測変数を使用しているがモデルパラメータが異なる複数のモデルのモデル性能を比較したいと思います。これは、整頓された出力を作成するためにbroomを使用する場所のようですが、私はそれを理解することはできません。 seq(1:10) %>% do(fit = knn(train_Market, test_Market, train_Direction, k=.), score = mean

3熱

1答えて

R - dplyrブートストラップの問題

dplyrbootstrapの機能を正しく使用する方法を理解している問題があります。私が欲しいものは、例えば、このような手段の違い、2つの無作為割り当てられたグループからのブートストラップ分布を生成して計算することである。 library(dplyr) library(broom) data(mtcars) mtcars %>% mutate(treat = sample(c(

0熱

2答えて

R - tidy augment confidence interval

broomパッケージを使用して信頼区間を計算する方法は不思議です。私がやろうとしています何は、シンプルで標準です： set.seed(1) x <- runif(50) y <- 2.5 + (3 * x) + rnorm(50, mean = 2.5, sd = 2) dat <- data.frame(x = x, y = y) mod <- lm(y ~ x, data = dat