训练模型，然后一次预测分组变量的回归答案

【问题标题】：Training Model and then Predicting regressions of grouped variables at once训练模型，然后一次预测分组变量的回归
【发布时间】：2016-05-06 05:58:40
【问题描述】：

我有一个包含许多不同变量分组的数据集。我还有一个测试集，可能或可能没有所有相同的组。

我想要对训练集的每个子集/组进行回归，然后将其应用于测试集中的适当匹配组。

我尝试在 Plyr 中开始执行此操作，但这个包让我有点困惑。

    library(plyr)
    data = mtcars # use this as easy example


    my_regressions = plyr::dlply(mtcars, plyr::.(vs,am),lm,formula= mpg ~ wt+cyl)

如果我有另一个数据集，我将如何将 PREDICT 函数应用于适当的组？我试图在首选的 DPlyr 中解决这个问题，但我做不到。有什么帮助吗？:(

【问题讨论】：

【解决方案1】：

也许使用lapply 和predict，像这样：

lapply(
dlply(mtcars, .(vs,am), lm, formula = "mpg ~ wt+cyl"),
predict)

【讨论】：

是的，我知道这是如何工作的，但是很抱歉，我希望能够保存每个单独的回归模型，并将其应用于具有匹配组的另一个数据集？例如 mtcars_test?
然后在predict之后添加,newdata=mtcars_test
感谢您的支持，但是带有列表的 ddply 东西让我很困惑。我可以通过这种方式得到预测，但似乎是当我调用 do.call(OUTCOME, cbind) 时，我得到一个表格，其中包含回归模型结果的每个组合，而不是相应的结果。例如，如果数据集中的汽车是 VS 和 Am 的 1/1，我将在包含所有 4 种预测组合的表中得到回归输出。无论如何只是一个相应的预测并且全部在 1 列中？我更喜欢 Dplyr 而不是 plyr，因为列表再次让我感到困惑，但我找不到太多关于它的参考