glm `predict()` Fehler: keine anwendbare Methode für 'predict' angewendet auf ein Objekt der Klasse "list"

Question

Ich habe ein Problem, die Objekttypen zu steuern, die in die Vorhersagefunktion einspeisen. Hier ist meine vereinfachte Funktion, die das Objekt glm generiert.

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" 

Wie greife ich auf die Spalte in fits[,1], so dass ich die Funktion vorhersagen kann gleiches Ergebnis zu erhalten, die ich mit myFit tat?

Answer 1

Ich denke, ich bin jetzt in der Lage, Ihre Situation wiederherzustellen.

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

Diese verwendeten Einbau-Datensatz trees als Beispiel, passend drei lineare Modelle:

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

Da wir sapply verwendet haben, und jede Iteration gibt dasselbe lm Objekt oder ein länge 12 Liste, werden die Ergebnisse auf eine 12 * 3 Matrix vereinfacht werden:

class(fits) 
# "matrix" 

dim(fits) 
# 12 3 

Matrix Indizierung fits[, 1] ist gültig. Wenn Sie str(fits[, 1]) überprüfen, sieht es fast wie ein normales lm Objekt aus. Aber wenn Sie weiter überprüfen:

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

Em? Es hat keine "lm" -Klasse! Als Ergebnis versagt S3 Versandweg, wenn Sie generische Funktion predict nennen:

---

Dies als gutes Beispiel gesehen werden kann

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

dass sapply destruktiv ist. Wir wollen lapply, oder zumindest, sapply(..., simplify = FALSE):

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

Die Ergebnisse der lapply ist leichter zu verstehen. Es ist eine Länge-3-Liste, wobei jedes Element ein lm Objekt ist. Wir können über fits[[1]] auf das erste Modell zugreifen. Jetzt wird alles funktionieren:

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 

---

Sie Ihren Code beheben, indem

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