glm `predict()` erreur: aucune méthode applicable pour 'predict' appliquée à un objet de la classe "list"

Question

J'ai un problème pour contrôler les types d'objets alimentant la fonction de prédiction. Voici ma fonction simplifiée qui génère l'objet glm.

fitOneSample <- function(x,data,sampleSet) 
{ 
    #how big of a set are we going to analyze? Pick a number between 5,000 & 30,000, then select that many rows to study 
    sampleIndices <- 1:5000 

    #now randomly pick which columns to study 
    colIndices <- 1:10 

    xnames <- paste(names(data[,colIndices]),sep = "") 
    formula <- as.formula(paste("target ~ ", paste(xnames,collapse = "+"))) 
    glm(formula,family=binomial(link=logit),data[sampleIndices,]) 
} 

myFit <- fitOneSample(1,data,sampleSet) 
fits <- sapply(1:2,fitOneSample,data,sampleSet) 
all.equal(myFit,fits[,1]) #different object types 

#this works 
probability <- predict(myFit,newdata = data) 

#this doesn't 
probability2 <- predict(fits[,1],newdata = data) 
# Error in UseMethod("predict") : 
# no applicable method for 'predict' applied to an object of class "list" 

Comment accéder à la colonne fits[,1] pour que je puisse utiliser la fonction de prédire pour obtenir même résultat que je l'ai fait avec myFit?

Answer 1

Je pense que je suis maintenant capable de récupérer votre situation.

fits <- sapply(names(trees), 
       function (y) do.call(lm, list(formula = paste0(y, " ~ ."), data = trees))) 

Il utilise intégré dans les données trees à titre d'exemple, montage trois modèles linéaires:

Girth ~ Height + Volume 
Height ~ Girth + Volume 
Volume ~ Height + Girth 

Depuis que nous avons utilisé sapply, et chaque itération retourne le même objet lm, ou une longueur-12 liste, des résultats sera simplifiée à une matrice 12 * 3:

class(fits) 
# "matrix" 

dim(fits) 
# 12 3 

indexation Matrix fits[, 1] est valide.

Si vous vérifiez str(fits[, 1]), cela ressemble presque à un objet lm normal. Mais si vous vérifiez plus loin:

class(fits[, 1]) 
# "list" 

Em? Il n'a pas de classe "lm"! En conséquence, S3 mode d'expédition échoue volonté lorsque vous appelez la fonction générique predict:

predict(x) 
#Error in UseMethod("predict") : 
# no applicable method for 'predict' applied to an object of class "list" 

---

Cela peut être considéré comme un bon exemple que sapply est destructeur. Nous voulons lapply, ou tout au moins, sapply(..., simplify = FALSE):

fits <- lapply(names(trees), 
       function (y) do.call(lm, list(formula = paste0(y, " ~ ."), data = trees))) 

Les résultats de lapply est plus facile à comprendre. C'est une liste de longueur 3, où chaque élément est un objet lm. Nous pouvons accéder au premier modèle via fits[[1]]. Maintenant, tout fonctionne:

class(fits[[1]]) 
# "lm" 

predict(fits[[1]]) 
#  1   2   3   4   5   6   7   8 
# 9.642878 9.870295 9.941744 10.742507 10.801587 10.886282 10.859264 10.957380 
#  9  10  11  12  13  14  15  16 
#11.588754 11.289186 11.946525 11.458400 11.536472 11.835338 11.133042 11.783583 
#  17  18  19  20  21  22  23  24 
#13.547349 12.252715 12.603162 12.765403 14.002360 13.364889 14.535617 15.016944 
#  25  26  27  28  29  30  31 
#15.628799 17.945166 17.958236 18.556671 17.229448 17.131858 21.888147 

---

Vous pouvez corriger votre code par

fits <- lapply(1:2,fitOneSample,data,sampleSet) 
probability2 <-predict(fits[[1]],newdata = data)