如何将公式转换为变量以与 R 中的 fastLm 函数一起使用

Posted 2023-02-14

【中文标题】如何将公式转换为变量以与 R 中的 fastLm 函数一起使用

【英文标题】：How to turn formula to variables for use with fastLm function in R

【发布时间】：2022-01-13 15:31:14

【问题描述】：

出于性能原因，我正在尝试使用函数 RcppArmadillo::fastLM 而不是 lm。 这是我对lm的函数调用

test_dt = structure(list(A= c(168.08, 166.65, 167.52, 167.16, 165.77, 
167.65, 169.84, 170.45, 171.29, 173.15, 174.12, 174.45, 174.18, 
172.92, 174.5, 173.94, 172.61, 168.74, 167.28, 167.12), `B` = c(1801.599976, 
1783, 1795.099976, 1788.699951, 1763.599976, 1793, 1816.400024, 
1827.400024, 1830.199951, 1847.599976, 1863.199951, 1867.900024, 
1866.099976, 1853.599976, 1869.699951, 1861, 1851.199951, 1806, 
1783.5, 1784.099976)), row.names = c(NA, -20L), class = c("data.table", 
"data.frame"))

coef(lm(A ~ B + 0,data = test_dt))[1]

> 0.0934728 

由于 lm 大部分时间都在解释公式，所以我不想使用公式。相反，我想把它变成一些东西-

RcppArmadillo::fastLM(X = test_dt$B + 0, y = test_dt$A)

但我不知道如何添加+ 0，如公式所示。

我已经尝试了以下

library(data.table)
dt = copy(test_dt)
dt[, C := 0]
coef(RcppArmadillo::fastLm(X = dt[,2:3], y = dt[,1]))[[1]]

但这会出错。

Error in fastLm.default(X = dt[, 2:3], y = dt[, 1]) : 
  (list) object cannot be coerced to type 'double'

有人可以告诉我将公式A ~ B + 0 转换为变量X 和y 以用于fastLm 函数的正确方法吗？

这是性能结果。

 microbenchmark::microbenchmark(
  formula = coef(lm(A ~ B + 0, dt))[1],
  fastLm = with(dt, coef(RcppArmadillo::fastLm(B, A)))[1],
  flm = with(dt, collapse::flm(A, cbind(B)))[1],
  times = 100)

Unit: microseconds
    expr      min       lq       mean    median        uq      max neval cld
 formula 1157.822 1173.249 1191.57071 1183.0080 1197.5560 1714.430   100   c
  fastLm  219.785  228.086  240.30415  235.2545  244.7465  405.353   100  b 
     flm   67.595   71.902   76.91765   74.7790   77.2050  228.320   100 a 

【问题讨论】：

你能不能试试公式法ie。 fastLm(A ~ B + 0, data = dt)

公式方法工作正常。唯一的问题是使用公式要慢 3 倍。

在第一个公式中您使用的是A ~ B + 0，但在第二个公式中您使用的是y 作为B，这是一个错字

是的，这是一个错字，我已经更正了。谢谢。

你需要fastLm(X = dt[, 2:3], y = dt[[1]])

【参考方案1】：

fastLm默认方法的第一个参数是模型矩阵。它应该有一列 1 来表示截距，如果没有，则没有截距。

这些给出了相同的答案，不使用拦截：

coef(lm(A ~ B + 0, test_dt))[1]
with(test_dt, coef(fastLm(B, A)))

这些使用截距给出相同的答案：

coef(lm(A ~ B, test_dt))
with(test_dt, coef(fastLm(cbind(1, B), A)))

【讨论】：

谢谢@Grothendieck，它运行良好。我已经分享了上面的性能结果。

你也可以试试collapse包中的flm。它使用与 fastLm 相同的参数，但顺序相反，它只返回系数，因此不使用 coef。

感谢您的指点。我试过library(collapse) with(dt, collapse::flm(X = B, y = A, method = "lm"))，但它抛出错误if (n != NROW(y)) stop("NROW(y) must match nrow(X)")。似乎在flm 函数内部dim(dt$A) 和nrow(dt$B) 都失败了。

使用问题中的 test_dt 这两个都对我有用：library(collapse); with(test_dt, flm(A, cbind(B))) - 似乎 B 不能是向量，但必须是矩阵，并使用相同的库语句：with(test_dt, flm(A, cbind(1, B)))

哇，flm 更快了。我已经更新了性能结果。非常感谢！

【参考方案2】：

y 应该是一个向量。根据?fastLm

y - 包含解释变量的向量。

通过使用dt[,1]，data.table 中的drop = FALSE 返回具有单列的data.table。相反，如果我们想要一个向量，请使用[[ 来提取列

fastLm(X = dt[, 2:3], y = dt[[1]])

【讨论】：

有没有办法消除警告？ solve(): system is singular; attempting approx solution

@Saurabh 当你说删除警告时，你想要suppressWarnings

否 :)，我的意思是在调用 fastLm 时我做错了什么。我尝试将 X 转换为矩阵，但仍然存在错误。