當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文


R broom augment.rlm 使用來自 rlm 對象的信息增強數據


Augment 接受模型對象和數據集,並添加有關數據集中每個觀察值的信息。最常見的是,這包括 .fitted 列中的預測值、.resid 列中的殘差以及 .se.fit 列中擬合值的標準誤差。新列始終以 . 前綴開頭,以避免覆蓋原始數據集中的列。

用戶可以通過 data 參數或 newdata 參數傳遞數據以進行增強。如果用戶將數據傳遞給 data 參數,則它必須正是用於擬合模型對象的數據。將數據集傳遞給 newdata 以擴充模型擬合期間未使用的數據。這仍然要求至少存在用於擬合模型的所有預測變量列。如果用於擬合模型的原始結果變量未包含在 newdata 中,則輸出中不會包含 .resid 列。

根據是否給出 datanewdata,增強的行為通常會有所不同。這是因為通常存在與訓練觀察(例如影響或相關)測量相關的信息,而這些信息對於新觀察沒有有意義的定義。

為了方便起見,許多增強方法提供默認的 data 參數,以便 augment(fit) 將返回增強的訓練數據。在這些情況下,augment 嘗試根據模型對象重建原始數據,並取得了不同程度的成功。

增強數據集始終以 tibble::tibble 形式返回,其行數與傳遞的數據集相同。這意味著傳遞的數據必須可強製轉換為 tibble。如果預測變量將模型作為協變量矩陣的一部分輸入,例如當模型公式使用 splines::ns()stats::poly()survival::Surv() 時,它會表示為矩陣列。

我們正在定義適合各種 na.action 參數的模型的行為,但目前不保證數據丟失時的行為。

用法

# S3 method for rlm
augment(x, data = model.frame(x), newdata = NULL, se_fit = FALSE, ...)

參數

x

MASS::rlm() 返回的 rlm 對象。

data

base::data.frametibble::tibble() 包含用於生成對象 x 的原始數據。默認為stats::model.frame(x),以便augment(my_fit) 返回增強的原始數據。不要將新數據傳遞給 data 參數。增強將報告傳遞給 data 參數的數據的影響和烹飪距離等信息。這些度量僅針對原始訓練數據定義。

newdata

base::data.frame()tibble::tibble() 包含用於創建 x 的所有原始預測變量。默認為 NULL ,表示沒有任何內容傳遞給 newdata 。如果指定了newdata,則data 參數將被忽略。

se_fit

邏輯指示是否應將 .se.fit 列添加到增強輸出中。對於某些模型,此計算可能有點耗時。默認為 FALSE

...

附加參數。不曾用過。僅需要匹配通用簽名。注意:拚寫錯誤的參數將被吸收到 ... 中,並被忽略。如果拚寫錯誤的參數有默認值,則將使用默認值。例如,如果您傳遞 conf.lvel = 0.9 ,所有計算將使用 conf.level = 0.95 進行。這裏有兩個異常:

  • tidy() 方法在提供 exponentiate 參數時會發出警告(如果該參數將被忽略)。

  • augment() 方法在提供 newdata 參數時會發出警告(如果該參數將被忽略)。

也可以看看

MASS::rlm()

其他 rlm 整理器:glance.rlm()tidy.rlm()

帶有列的 tibble::tibble()

.fitted

擬合值或預測值。

.hat

帽子矩陣的對角線。

.resid

觀察值和擬合值之間的差異。

.se.fit

擬合值的標準誤差。

.sigma

從模型中刪除相應觀測值時的估計殘差標準差。

例子


# load libraries for models and data
library(MASS)

# fit model
r <- rlm(stack.loss ~ ., stackloss)

# summarize model fit with tidiers
tidy(r)
#> # A tibble: 4 × 4
#>   term        estimate std.error statistic
#>   <chr>          <dbl>     <dbl>     <dbl>
#> 1 (Intercept)  -41.0       9.81     -4.18 
#> 2 Air.Flow       0.829     0.111     7.46 
#> 3 Water.Temp     0.926     0.303     3.05 
#> 4 Acid.Conc.    -0.128     0.129    -0.992
augment(r)
#> # A tibble: 21 × 10
#>    stack.loss Air.Flow Water.Temp Acid.Conc. .fitted .resid   .hat .sigma
#>         <dbl>    <dbl>      <dbl>      <dbl>   <dbl>  <dbl>  <dbl>  <dbl>
#>  1         42       80         27         89    38.9  3.05  0.327    3.32
#>  2         37       80         27         88    39.1 -2.08  0.343    3.39
#>  3         37       75         25         90    32.8  4.18  0.155    3.26
#>  4         28       62         24         87    21.5  6.50  0.0713   3.01
#>  5         18       62         22         87    19.6 -1.65  0.0562   3.42
#>  6         18       62         23         87    20.6 -2.57  0.0835   3.38
#>  7         19       62         24         93    20.7 -1.73  0.230    3.42
#>  8         20       62         24         93    20.7 -0.731 0.230    3.44
#>  9         15       58         23         87    17.3 -2.25  0.155    3.40
#> 10         14       58         18         80    13.5  0.481 0.213    3.45
#> # ℹ 11 more rows
#> # ℹ 2 more variables: .cooksd <dbl>, .std.resid <dbl>
glance(r)
#> # A tibble: 1 × 7
#>   sigma converged logLik     AIC   BIC deviance  nobs
#>   <dbl> <lgl>     <logLik> <dbl> <dbl>    <dbl> <int>
#> 1  2.44 TRUE      -52.954   116.  121.     191.    21

相關用法


注:本文由純淨天空篩選整理自大神的英文原創作品 Augment data with information from a(n) rlm object。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。