通过分类变量中的级别迭代地回归 R

Question

所以我有一个小数据集，应该非常适合建模（

我的另一个想法是尝试创建 10 或 15 个此 [store] 变量的集群，然后使用集群名称作为我的分类变量来预测 [sales] 变量（连续变量）。

Answer 1

当然，这是一种非常常见的分析类型。例如，下面是您如何通过 Species 变量拆分 iris 数据集，然后构建一个单独的模型，在每个子集中从 Sepal.Length 预测 Sepal.Width：

data(iris)
models <- lapply(split(iris, iris$Species), function(df) lm(Sepal.Width~Sepal.Length, data=df))

结果是特定物种回归模型的列表。

要进行预测，我认为首先拆分您的测试集，然后在每个子集上调用相应的预测函数，最后重新组合是最有效的：

test.iris <- iris
test.spl <- split(test.iris, test.iris$Species)
predictions <- unlist(lapply(test.spl, function(df) {
  predict(models[[df$Species[1]]], newdata=df)
}))
test.ordered <- do.call(rbind, test.spl)  # Test obs. in same order as predictions

当然，对于您的问题，您需要决定如何对数据进行子集化。一种合理的方法是使用 kmeans 之类的东西进行聚类，并将每个点的聚类传递给 split 函数。