r - 在 group_by 之后用 dplyr 拟合几个回归模型并将得到的模型应用到测试集中

Question

我有一个大数据集，我想根据特定变量的值(在我的案例生命周期中)对其进行分区，然后对每个分区运行逻辑回归。按照@tchakravarty 在Fitting several regression models with dplyr 中的回答我写了下面的代码:

lifetimemodels = data %>% group_by(lifetime) %>% sample_frac(0.7)%>%
     do(lifeModel = glm(churn ~., x= TRUE, family=binomial(link='logit'), data = .))

我现在的问题是如何使用生成的逻辑模型来计算其余数据(未选择的 0.3 部分)的 AUC，这些数据应再次按生命周期分组？

提前致谢!

Answer 1

您可以调整您的dplyr 方法以使用tidyr 和purrr 框架。您查看分组/嵌套，以及 mutate 和 map 函数来创建列表框架来存储您的工作流程。

您正在寻找的测试/训练拆分是 modelr 的一部分，该软件包是为协助在 purrr 框架内建模而构建的。特别是 cross_vmc 和 cross_vkfold 函数。

一个使用 mtcars 的玩具示例(只是为了说明框架)。

library(dplyr)
library(tidyr)
library(purrr)
library(modelr)

analysis <- mtcars %>%
  nest(-cyl) %>%
  unnest(map(data, ~crossv_mc(.x, 1, test = 0.3))) %>%
  mutate(model = map(train, ~lm(mpg ~ wt, data = .x))) %>%
  mutate(pred = map2(model, train, predict)) %>%
  mutate(error = map2_dbl(model, test, rmse))

这个:

1. 乘坐地铁
2. 嵌套到 cyl 的名为 data 的列表框架中
3. 通过将 crossv_mc 映射到每个元素，将每个 data 分成训练集，然后使用 unnest 进行 test 和 train 列出列。
4. 将 lm 模型映射到每个 train，将其存储在 model 中
5. 将 predict 函数映射到 model 和 train 并存储在 pred 中
6. 将 rmse 函数映射到 model 和 test 集并存储错误。

可能有比我更熟悉工作流程的用户，所以请更正/详细说明。