問題タブ [mlm]

ニューロ イメージング アプリケーションでは、R の最小二乗法によって多くの線形モデルを当てはめようとしています (への標準呼び出しlm)。計画行列 X があるとします。この計画行列は、すべてのモデルで同じになります。適合されるデータ (Y) が変化し、その結果、すべての適合パラメーター (ベータ、p 値、残差など) も変化します。

現在、私はそれを for ループに入れているだけなので、何十万回も呼び出しを行っていlmます。もっと良い方法が必要なようです。

最も計算コストの高い部分は逆行列だと思います。これは、lm.fit の Fortran 呼び出しで処理されるようです。

この回帰を手作業で行っていた場合、行列の反転を行い、それをさまざまなデータセットで乗算します。実際、正常に動作する計画行列 (すべての連続値共変量など) がある場合に、それを行う関数をコード化しました。lmただし、要素を適切に再コーディングするなど、すべての作業が本当に気に入っており、 の出力lmも非常に優れています。

とにかく私のケーキを食べて食べることはありますか？つまり、lm の親しみやすさを手に入れながら、その能力を使用して、同一の計画行列を持つ多くのモデルを計算的に効率的に適合させるにはどうすればよいでしょうか?

私はlm()、Rの複数（約100万）の応答変数に対して、複数の回帰モデルを近似するために使用しました。

これにより、クラス「mlm」のオブジェクトが返されます。これは、すべてのモデルを含む巨大なオブジェクトのようなものです。各モデルの残差平方和を取得したいのですが、これは次を使用して実行できます。

私の問題は、「summary」関数が他の多くのものも計算するため、非常に遅いと思うことです。モデルの残差平方和だけを抽出するより速い方法があるかどうか疑問に思っていますか？

ありがとう！

同じモデル マトリックスを使用して線形モデルを複数の応答に適合させる必要があります。これは、応答をベクトルではなく行列として指定することで、R で簡単に実行できます。このように計算は非常に高速です。

次に、応答の精度に対応する重みをモデルに追加したいと思います。したがって、応答ベクトルごとに、異なる重みベクトルも必要になります。ただし、lm行列ではなくベクトルとしてのみ重みを入力できます。そのため、重みをバッチで入力できず、lm応答ごとに個別に実行する必要がありました。この方法では、計算がはるかに遅くなります。

lm繰り返し呼び出すことなく、これらのタイプのモデルをバッチ モードで実行する方法はありますか?

used lm()Rの複数（〜100万）の応答変数に対して、複数の回帰モデルを適合させる必要があります。

これは、すべてのモデルを含む巨大なオブジェクトのようなクラス「mlm」のオブジェクトを返します。関数を使用して実行できる各モデルの最初の係数のt 統計を取得したいのですがsummary(allModels)、この大きなデータでは非常に遅く、多くの不要な情報も返します。

関数t-statisticを使用するよりも高速である可能性がある、手動で計算するより高速な方法はありますかsummary()

ありがとう！

同じリグレッサーに対して 10 回のリグレッションを実行してから、 loop を使用せずにすべての標準エラーを取得したいと考えています。

allModels「mlm」オブジェクトとして保存されますが、これは非常に扱いにくいものです。lmオブジェクトのリストまたは関心のある統計を含むマトリックスを保存できれば素晴らしいと思います。

繰り返しますが、目的はループを使用しないことです。同等のループを次に示します。

パッケージからmlmオブジェクトを操作する方法はありますか?mtablememisc

多重応答行列を使用しない場合、私が望むのは次のようなものです:

生産する

しかし：

生産する

lmで使用できるオブジェクトを抽出しようとした方法を再現するつもりはありませんmtable。言うまでもなく、それらのどれも機能しませんでした。

私は R が初めてで、*apply関数を使用して次のスクリプトを改善したいと考えています (私は について読んだことがありますがapply、それを使用することができませんでした)。lm複数の独立変数 (データ フレーム内の列) で関数を使用したい。使った

Formula(i)と定義されている

ありがとうございました。

3 つのデータセットがあります。

応答 - 5 (サンプル) x 10 (従属変数) の行列

予測値 - 5 (サンプル) x 2 (独立変数) の行列

test_set - 10 (サンプル) x 10 (応答で定義された従属変数) の行列

応答セットと予測子セットの組み合わせとして定義されたトレーニング セットを使用して、多変量線形モデルを実行しています。このモデルを使用して、テスト セットの予測を行いたいと考えています。

ただし、予測の結果は非常に奇妙です。

まず、行列の次元は 5 x 10 です。これは、DV の数による応答変数のサンプル数です。

私は R でのこの種の分析にあまり熟練していませんが、test_set の各行の予測を行うために、10 x 10 の行列を取得するべきではありませんか?

この問題について何か助けていただければ幸いです、Martin