Je voudrais ajuster le modèle au niveau du facteur et utiliser le nom de modèle ajusté à la volée pour prédire de nouvelles données à un tel niveau de facteur d'appariement. J'échoue dans la prédiction de cette logique, quelqu'un peut-il nous guider dans ce cas?ajuster et prédire le modèle au niveau du facteur dans r
Aa <- data.frame(amount=c(1,2,1,2,1,1,2,2,1,1,1,2,2,2,1), cat1=sample(letters[21:24], 15,rep=TRUE),cat2=sample(letters[11:18], 5,rep=TRUE),
card=c("a","b","c","a","c","b","a","c","b","a","b","c","a","c","a"), delay=sample(c(1,1,0,0,0),5,rep=TRUE))
ModelFit<-sapply(as.character(unique(Aa[["card"]])), function(x)glm(delay~amount+cat1+cat2, family = "binomial", data = subset(Aa, card==x)), simplify = FALSE, USE.NAMES = TRUE)
Bb<-Aa[-(which(names(Aa) %in% "delay"))]
sapply(unique(Aa[["card"]]), function(x,y) predict(seq_along(x=ModelFit), newdata=DataOPEN[DataOPEN$SubsidiaryName],type="response"))
Pourquoi délai vous convient pas '~ (montant + cat1 + cat2) * card' au lieu de boucle? – Roland