使用 linear-ish 参数模型的置信区间的便捷函数
用法
reg_intervals(
formula,
data,
model_fn = "lm",
type = "student-t",
times = NULL,
alpha = 0.05,
filter = term != "(Intercept)",
keep_reps = FALSE,
...
)
参数
- formula
-
具有一个结果和至少一个预测变量的 R 模型公式。
- data
-
一个 DataFrame 。
- model_fn
-
适合的模型。允许的值为"lm"、"glm"、"survreg" 和"coxph"。后两者需要安装
survival
软件包。 - type
-
自举置信区间的类型。允许使用 "student-t" 和 "percentile" 的值。
- times
-
引导样本数量的单个整数。如果保留 NULL,则 1,001 用于 t-intervals,2,001 用于百分位间隔。
- alpha
-
重要性程度。
- filter
-
用于从最终结果中删除行的逻辑表达式,或
NULL
以保留所有行。 - keep_reps
-
是否应该保留每个引导样本的单独参数估计值?
- ...
-
传递给模型函数的选项(例如
family
forglm()
)。
值
包含列 "term"、".lower"、".estimate"、".upper"、".alpha" 和 ".method" 的小标题。如果 keep_reps = TRUE
,还会返回一个名为 ".replicates" 的附加列表列。
参考
戴维森,A. 和欣克利,D. (1997)。 Bootstrap 方法及其应用。剑桥:剑桥大学出版社。号码:10.1017/CBO9780511802843
自举置信区间,https://rsample.tidymodels.org/articles/Applications/Intervals.html
例子
# \donttest{
set.seed(1)
reg_intervals(mpg ~ I(1 / sqrt(disp)), data = mtcars)
#> # A tibble: 1 × 6
#> term .lower .estimate .upper .alpha .method
#> <chr> <dbl> <dbl> <dbl> <dbl> <chr>
#> 1 I(1/sqrt(disp)) 207. 249. 290. 0.05 student-t
set.seed(1)
reg_intervals(mpg ~ I(1 / sqrt(disp)), data = mtcars, keep_reps = TRUE)
#> # A tibble: 1 × 7
#> term .lower .estimate .upper .alpha .method .replicates
#> <chr> <dbl> <dbl> <dbl> <dbl> <chr> <list<tibble[,>
#> 1 I(1/sqrt(disp)) 207. 249. 290. 0.05 student-t [1,001 × 2]
# }
相关用法
- R rsample reverse_splits 反转分析和评估集
- R rsample reshuffle_rset “重新洗牌”一个 rset 以重新生成具有相同参数的新 rset
- R rsample rset_reconstruct 使用新的 rset 子类扩展 rsample
- R rsample rolling_origin 滚动原点预测重采样
- R rsample validation_set 创建验证拆分以进行调整
- R rsample initial_split 简单的训练/测试集分割
- R rsample populate 添加评估指标
- R rsample int_pctl 自举置信区间
- R rsample vfold_cv V 折交叉验证
- R rsample group_mc_cv 小组蒙特卡罗交叉验证
- R rsample group_vfold_cv V 组交叉验证
- R rsample group_bootstraps 团体自举
- R rsample labels.rset 从 rset 对象中查找标签
- R rsample get_fingerprint 获取重采样的标识符
- R rsample bootstraps 引导抽样
- R rsample validation_split 创建验证集
- R rsample clustering_cv 集群交叉验证
- R rsample initial_validation_split 创建初始训练/验证/测试拆分
- R rsample get_rsplit 从 rset 中检索单个 rsplit 对象
- R rsample loo_cv 留一交叉验证
- R rsample complement 确定评估样本
- R rsample slide-resampling 基于时间的重采样
- R rsample as.data.frame.rsplit 将 rsplit 对象转换为 DataFrame
- R rsample labels.rsplit 从 rsplit 对象中查找标签
- R rsample mc_cv 蒙特卡罗交叉验证
注:本文由纯净天空筛选整理自Hannah Frick等大神的英文原创作品 A convenience function for confidence intervals with linear-ish parametric models。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。