我的目标是创建多个模型,然后使用新的数据集,为该新数据集创建预测值,并在每个新拟合点周围创建相应的预测区间。
拉入图书馆:
library(purrr)
library(dplyr)
library(modelr)
将 data_1 指定为来自 R 的 DNase 数据集:
data_1 <- DNase
为每次运行创建一个独特的模型:
model_dna <- data_1 %>% group_by(Run) %>%
do(model_dna = lm(conc ~ density, data = .)) %>% ungroup()
然后我想用一个新的数据集预测一组点,我们称之为 data_2,对于每个模型,然后围绕每个拟合点建立预测区间(每个点的预测区间的上限和下限,由包含参数区间=“预测”时的函数预测()。我成功地生成了这样的拟合值:
data_2 <- map(model_dna$model_dna, ~ spread_predictions(data = data_2, models = .x)
但是随后很难为这些新拟合的值添加“upr”和“lwr”列。在拟合这些新点时,有没有办法同时“spread_prediction_intervals”?了解如何对多个数据集执行此操作将非常有帮助,并且如果给定用于生成预测值的模型和一组这些预测值,则能够生成 upr 和 lwr 边界预测区间。非常感谢您提前提供的帮助。