R 将竞争模型拟合到 dplyr/tidyr/broom 框架内的嵌套数据

Question

我正在尝试将模型子集适合嵌套数据框。虽然我见过许多将同一模型拟合到不同数据组的示例，但我还没有遇到过将不同模型拟合到组织为嵌套数据框的数据集的示例。

作为示例，我从 R For Data Science“许多模型”部分获取了代码。这里的目标是使相同的模型适用于不同的国家(群体)。我希望做的是扩展这一点，并将多种不同的竞争模式适应不同的国家(群体)。理想情况下，每个竞争模型将作为新列存储在嵌套数据框中。

预先感谢您的帮助!

# Example code 
library(dplyr)
library(ggplot2)
library(modelr)
library(purrr)
library(tidyr)
library(gapminder)

# Create nested data
by_country <- gapminder %>% 
  group_by(country, continent) %>% 
  nest()

# Model 1
country_model <- function(df) {
  lm(lifeExp ~ year, data = df)
}

# Map model 1 to the data
by_country <- by_country %>% 
  mutate(model = map(data, country_model))

# Model 2
country_model2 <- function(df) {
  lm(lifeExp ~ year + gdpPercap, data = df)
}

# Map Model 2 to the data
by_country <- by_country %>% 
  mutate(model2 = map(data, country_model2))

已更新为了澄清我的问题，我知道我可以通过调用每个模型的 mutate 来手动执行此操作。我认为我追求的是更灵活的东西，几乎类似于下面的代码。然而，这些函数将调用模型函数，而不是函数“runif”、“rnorm”和“rpois”。例如“country_model”和“country_model2”。希望这会有所帮助。

# Example code
 sim <- dplyr::frame_data(
  ~f,      ~params,
  "runif", list(min = -1, max = -1),
  "rnorm", list(sd = 5),
  "rpois", list(lambda = 10)
 )
sim %>% dplyr::mutate(
  samples = invoke_map(f, params, n = 10)
)

Answer 1

这是一种使用更新中提到的 invoke_map 函数的方法。

它涉及创建三个函数。这些功能: 1. 创建一个数据框，在其中指定您的模型 2. 使用invoke_map函数将这些模型应用到您的数据中 3. reshape 结果，以便它们可以作为列添加到原始 by_country 数据框中

# Example code 
library(dplyr)
library(ggplot2)
library(modelr)
library(purrr)
library(tidyr)
library(gapminder)

# Create nested data
by_country <- gapminder %>% 
  group_by(country, continent) %>% 
  nest()

# Function that creates dataframe suitable for invoke_map function
create_model_df  <- 
  function(x){  
    dplyr::frame_data(
      ~model_name,    ~f,     ~params,
      "country_model", "lm", list(formula =as.formula("lifeExp ~ year + gdpPercap"), data = x ),
      "country_model2","lm", list(formula =as.formula("lifeExp ~ year"),data = x )
    )     
  }

# Function that applies invoke_map function 
apply_models  <- 
  function(x){        
    x %>% 
      mutate( model_fit = invoke_map(f, params)) 
  }

# Function that the results from invoke map
reshape_results  <- 
  function(x){   
    x %>% 
      select(model_name,model_fit) %>% spread(model_name,model_fit)
  }

# Apply these functions 
by_country %>% 
  mutate(model_df = data %>% 
           map(create_model_df) %>% 
           map(apply_models) %>% 
           map(reshape_results)) %>% 
  unnest(model_df) 
#> # A tibble: 142 x 5
#>        country continent              data country_model country_model2
#>         <fctr>    <fctr>            <list>        <list>         <list>
#>  1 Afghanistan      Asia <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  2     Albania    Europe <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  3     Algeria    Africa <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  4      Angola    Africa <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  5   Argentina  Americas <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  6   Australia   Oceania <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  7     Austria    Europe <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  8     Bahrain      Asia <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#>  9  Bangladesh      Asia <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#> 10     Belgium    Europe <tibble [12 x 4]>      <S3: lm>       <S3: lm>
#> # ... with 132 more rows