首页 文章

glm`prepected（）`错误：没有适用于'predict'的方法应用于类“list”的对象

提问于
浏览 次
1

我在控制输入预测函数的对象类型时遇到问题 . 这是我生成 glm 对象的简化函数 .

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"

如何访问 fits[,1] 中的列，以便我可以使用预测函数获得与 myFit 相同的结果？

r regression glm predict

1 回答

  • 1

    我想我现在能够恢复你的状况了 .

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

    这使用内置数据集 trees 作为示例，拟合三个线性模型：

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

    由于我们使用了 sapply ，并且每次迭代都返回相同的 lm 对象或长度为12的列表，因此结果将简化为 12 * 3 矩阵：

    class(fits)
# "matrix"

dim(fits)
# 12  3

    矩阵索引 fits[, 1] 有效 .

    如果你检查 str(fits[, 1]) ，它几乎看起来像一个普通的 lm 对象 . 但如果你进一步检查：

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

    Em? It does not have "lm" class! 因此，当您调用泛型函数 predict 时， S3 dispatch方法将失败：

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

    This can be seen as a good example that sapply is destructive. 我们想要 lapply ，或者至少是 sapply(..., simplify = FALSE) ：

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

    lapply 的结果更容易理解 . 它是一个长度为3的列表，其中每个元素都是 lm 对象 . 我们可以通过 fits[[1]] 访问第一个模型 . 现在一切都会奏效：

    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

    你可以修改你的代码

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

相关问题