循环调用不同权重构建独立glm回归模型的实现问题
解决独立权重glm模型的循环生成问题
我明白你想实现的需求——用不同的权重列分别拟合逻辑回归模型,并且让每个模型都成为全局环境里的独立glm对象,而不是统统塞进一个列表里。咱们一步步来搞定这个问题:
首先先修正你原代码里的几个小问题:
runif()的第一个参数是生成随机数的数量,mtcars有32行,所以应该写runif(32, .9, 1.8),而不是runif(1.5, ...)- 你定义
coln的时候取了整个数据框,咱们应该直接存权重列的名称字符串,这样循环起来更方便
接下来是核心实现,用assign()函数可以帮你把每个模型以独立名称存入全局环境:
# 准备数据 data1 <- mtcars # 生成权重列(修正runif参数) data1$weight1 <- runif(32, .9, 1.8) data1$weight_2 <- runif(32, .9, 1.8) # 定义要循环的权重列名 weight_cols <- c("weight1", "weight_2") # 循环生成独立glm对象 for (col_name in weight_cols) { # 自定义模型名称,比如fit_weight1、fit_weight2 model_name <- paste0("fit_", col_name) # 拟合模型:用get(col_name)提取当前权重列的值 current_model <- glm( formula = factor(vs) ~ mpg, data = data1, weights = get(col_name), family = binomial # 因为vs是二元分类变量,指定二项式家族 ) # 将模型赋值为全局环境的独立对象 assign(model_name, current_model) }
关键细节解释:
get(col_name):根据列名的字符串,从data1中提取对应的权重列数据,完美适配循环里的字符串遍历assign(model_name, current_model):把拟合好的模型以你指定的名称(比如fit_weight1)存入全局环境,之后直接调用这个名称就能拿到对应的glm对象,不需要从列表里提取
执行完这段代码后,你在环境里就能看到fit_weight1和fit_weight2两个独立的模型对象了,直接查看或者用summary(fit_weight1)分析都没问题。
内容的提问来源于stack exchange,提问作者user63230
相关产品推荐
相关产品推荐

