いくつかの変数に関心のある 3 つのモデルから AIC および BIC 値を抽出する基本的な関数を作成しました。ただし、実行中にコンピューターが停止し、ベクターに 200MB を割り当てることができないと表示されることがよくあります (500K を超える大規模なデータセットを使用しており、メモリ制限を最大 4000 に増やしました)。
一度にいくつかの変数を選択すると、実際に実行できました。実際に関数を一度に実行することに興味がありますが、実行する前に他のすべてを削除する必要がなく、おそらく 30 分待つ必要がないように関数コードを改善することにも興味があります。修正された AIC および BIC 式を使用し、他のものを追加する可能性が高いため、AIC および BIC のベクトル化をそのまま維持し、他のロジスティック回帰関数に切り替えません。私はそれをいじって、 rm(model1) のようなものを追加しましたが、おそらくほとんど違いはありません。メモリ割り当ての問題を解決し、おそらく関数を高速化するコードを提案できますか?
どうもありがとう
関数:
myF<-function(mydata,TotScore,group){
BIC2<-BIC1<-BIC0<-AIC2<-AIC1<-AIC0<-rep(NA,length(ncol(mydata)))
for (i in (1:ncol(mydata))){
M0<-glm(mydata[,i] ~ TotScore,family=binomial,data=mydata,x=F,y=F,model=F)
AIC0[i]<-extractAIC(M0)[2]
BIC0[i]<-extractAIC(M0,k=log(length(M0$fitted.values)))[2]
rm(M0)
M1<-glm(mydata[,i] ~ TotScore+group,family=binomial,data=mydata,x=F,y=F,model=F)
AIC1[i]<-extractAIC(M1)[2]
BIC1[i]<-extractAIC(M1,k=log(length(M1$fitted.values)))[2]
rm(M1)
M2<-glm(mydata[,i] ~ TotScore+group+TotScore*group,family=binomial,data=mydata,x=F,y=F,model=F)
AIC2[i]<-extractAIC(M2)[2]
BIC2[i]<-extractAIC(M2,k=log(length(M2$fitted.values)))[2]
rm(M2)
}
Results<-cbind(AIC0,AIC1,AIC2,BIC0,BIC1,BIC2)
rownames(Results)<-names(mydata)
return(Results)
}
PSモデルはで試すことができます
##Random dataset example
v1<-sample(0:1, 500000, replace=TRUE, prob=c(.80,.20))
v2<-sample(0:1, 500000, replace=TRUE, prob=c(.85,.15))
v3<-sample(0:1, 500000, replace=TRUE, prob=c(.95,.05))
mydata<-as.data.frame(cbind(v1,v2,v3))
TotScore=rowSums(mydata)
group<-(rep (1:5,100000))
myF(mydata,TotScore,group)