Как загрузить данные только один раз для нескольких вызовов glm с различными формулами?

Question

У меня есть набор данных с 1 столбцом для зависимой переменной и 9 для независимых переменных. Я должен подгонять логические модели в R, беря все комбинации независимых переменных.

Я создал формулы для того же самого, которые будут использоваться в функции «glm». Однако каждый раз, когда я вызываю функцию «glm», он загружает данные (которые одинаковы при каждом изменении формулы на каждой итерации).

Есть ли способ избежать этого, чтобы ускорить мои вычисления? Можно ли использовать вектор формул в функции «glm» и загружать данные только один раз?

Код:

tempCoeffV <- lapply(formuleVector, function(s) { coef(glm(s,data=myData,family=binomial, y=FALSE, model=FALSE))}) 


formuleVector is a vector of strings like: 
myData[,1]~myData[,2]+myData[,3]+myData[,5] 
myData[,1]~myData[,2]+myData[,6] 

MyData является data.frame

В каждом lapply заявлении MyData остается тем же самым. Это data.frame с около 10000 записей. formuleVector - вектор с 511 различными формулами. Есть ли способ ускорить это вычисление?

Answer 1

Отлично, у вас нет факторов; othersie Мне нужно позвонить model.matrix, а затем сыграть с полем $assign, вместо того, чтобы просто использовать data.matrix.

## Assuming `mydata[, 1]` is your response 

## complete model matrix and model response 
X <- data.matrix(mydata); y <- X[, 1]; X[, 1] <- 1 

## covariates names and response name 
vars <- names(mydata) 

Вот как вы получаете своих 511 кандидатов, не так ли?

choose(9, 1:9) 
# [1] 9 36 84 126 126 84 36 9 1 

Теперь вместо числа комбинаций, нам нужен индекс комбинации, легко получить от combn. Остальная часть истории состоит в том, чтобы написать петлевое гнездо и перебрать все комбинации. glm.fit используется, так как вы только заботитесь о коэффициентах.

1. модель матрицы была установлена; мы только динамически выбираем его столбцы;
2. петлевое гнездо не страшно; glm.fit намного дороже, чем ваш цикл for. Для удобства чтения не перекодируйте их, например, как lapply.

---

lst <- vector("list", 9) ## a list to store all result 
for (k in 1:9) { 
    ## combn index; each column is a combination 
    ## plus 1 as an offset as there is an intercept in `X` 
    I <- combn(9, k) + 1 
    ## now loop through all combinations, calling `glm.fit` 
    n <- choose(9, k) 
    lstk <- vector("list", n) 
    for (j in seq.int(n)) 
    ## current index 
    ind <- I[, j] 
    ## get regression coefficients 
    b <- glm.fit(X[, c(1, ind)], y, family = binomial())$coefficients 
    ## attach model formula as an attribute 
    attr(b, "formula") <- reformulate(vars[ind], vars[1]) 
    ## store 
    lstk[[j]] <- b 
    } 
    lst[[k]] <- lstk 
    } 

В конце концов, lst вложенный список. Используйте это значение str(lst), чтобы понять это.