Formula r: Attention Required! | Cloudflare

R — Квадратная формула (Содержание)

• R — квадрат формулы
• Примеры R — квадратная формула (с шаблоном Excel)
• R — Квадратный калькулятор

R — квадрат формулы

Формула R-квадрата также известна как коэффициент детерминации, это статистическая мера, которая определяет корреляцию между эффективностью инвестора и доходностью или характеристикой контрольного индекса. Это в основном показывает, в какой степени производительность акций или портфелей может быть отнесена к конкретному контрольному индексу. Эта формула немного отличается от корреляции переменной, потому что формула корреляции показывает взаимосвязь между зависимой и независимой переменной, тогда как, с другой стороны, формула R-квадрата показывает, в какой степени дисперсия одной переменной объясняет дисперсию второй переменной,

Формула для R — Squared имеет вид:

R – Squared = 1 – (Sum of First Errors / Sum of Second Errors)

Давайте рассмотрим пример, чтобы лучше понять расчет R — Squared.

Пример № 1

Рассмотрим следующую информацию и вычислим R Squared.

Квадрат ошибки X будет рассчитан как:

Результат будет таким, как указано ниже.

Квадрат ошибки X для всех данных, как указано ниже.

Аналогично, мы должны рассчитать квадрат ошибки Y для всех данных.

R — Squared рассчитывается по формуле, приведенной ниже

R — Squared = 1 — (сумма первых ошибок / сумма вторых ошибок)

Здесь сначала мы возвели в квадрат ошибку следующих пунктов и сделали суммирование вышеупомянутых проблем. После этого сумма первой ошибки делится на сумму второй ошибки и вычитается в 1.

R-квадрат находится в диапазоне от 0 до 1. R-квадрат от 1 или 100% означает, что все движения в индексе полностью объясняются движениями в эталонном индексе.

Пример № 2

Рассмотрим следующую информацию и вычислим R Squared.

Квадрат ошибки X будет рассчитан как:

Результат будет таким, как указано ниже.

Квадрат ошибки X для всех данных, приведенных ниже.

Аналогично, мы должны рассчитать Squared ошибки Y для всех данных.

R — Squared рассчитывается по формуле, приведенной ниже

R — Squared = 1 — (сумма первых ошибок / сумма вторых ошибок)

Пример № 3

Рассмотрим следующую информацию и вычислим R Squared.

Квадрат ошибки X будет рассчитываться как:

Результат будет таким, как указано ниже.

Квадрат ошибки X для всех данных, приведенных ниже.

Аналогично, мы должны рассчитать Squared ошибки Y для всех данных.

R — Squared рассчитывается по формуле, приведенной ниже

R — Squared = 1 — (сумма первых ошибок / сумма вторых ошибок)

Актуальность и использование

• Эта формула широко используется управляющими портфелями и управляющими фондами как показатель, который показывает, как движения средств соотносятся с эталонным индексом
• Эта формула также используется в индустрии фондового рынка, которая сообщает брокеру или инвестору, насколько хорошо акции соотносятся с общим движением рынка.
• Эта формула имеет свои ограничения, так как она не может судить, являются ли оценки коэффициентов и прогнозы смещенными или нет, следовательно, вам просто нужно оценить остаточные графики.
• Если R — Squared не служит хорошей моделью сравнения для сравнения качества двух переменных, то скорректированный R — Squared используется большую часть времени для выполнения множественных линейных регрессий.
• Низкое или высокое R — квадратное число не всегда может быть хорошим или плохим, поскольку оно не говорит пользователю о надежности модели.
• Если пользователь имеет низкое значение R-квадрата, но независимые переменные являются статистически значимыми, пользователь все равно может сделать важные выводы о взаимосвязях между переменными.

R — Квадратный калькулятор

Вы можете использовать следующий R — Squared Calculator

Рекомендуемые статьи

Это было руководство к R — Squared Formula. Здесь мы обсудим, как рассчитать R — Squared вместе с практическими примерами. Мы также предоставляем калькулятор R — Squared с загружаемым шаблоном Excel. Вы также можете посмотреть следующие статьи, чтобы узнать больше —

1. Руководство по ожидаемой формуле возврата
2. Как рассчитать коэффициент ПЭГ?
3. Примеры формулы соотношения платежеспособности
4. Калькулятор формулы кредитного плеча

— RDocumentation

Модели подходят, например, для функций lm и glm указаны в компактной символической форме. Оператор ~ является базовым при формировании таких моделей. Выражение вида y ~ модель интерпретируется в качестве спецификации, что моделируется ответ y с помощью линейного предиктора, символически заданного моделью . Такая модель состоит из ряда терминов, разделенных операторами + .2 идентично (a + b + c) * (a + b + c) , которое, в свою очередь, расширяется до формулы, содержащей основные эффекты для a , b и c вместе с их взаимодействиями второго порядка. 2 — a: b идентично a + b + c + b: c + a: c .Его также можно использовать для удаления член перехвата: при подборе линейной модели y ~ x - 1 указывает линия, проходящая через начало координат. Модель без перехвата также может быть задано как y ~ x + 0 или y ~ 0 + x .

В то время как формулы обычно включают только переменную и множитель имена, они также могут включать арифметические выражения. Формула log (y) ~ a + log (x) вполне допустима. Когда такие арифметические выражения включают операторы, которые также используются символически в модельных формулах может возникнуть путаница между использование арифметических и символьных операторов.

Чтобы избежать этой путаницы, функция I () можно использовать для брекетинга этих частей модели формула, в которой операторы используются в своих арифметический смысл. Например, в формуле y ~ a + I (b + c) , член b + c должен быть интерпретируется как сумма b и c .

Имена переменных могут заключаться в кавычки `как это` в формулы, хотя нет гарантии, что весь код, использующий формулы примет такие несинтаксические имена.

Большинство функций подгонки моделей принимают формулы с правой частью включая функцию смещение для обозначения членов с фиксированный коэффициент, равный единице. Некоторые функции принимают другие «Специальные», такие как страта или кластер (см. спец. аргумент из терминов. Формула) .

Есть две особые интерпретации . в формуле. В обычный — в контексте аргумента модели data подходящие функции и означает «все столбцы, иначе в формула »: см. терминов.формула . В контексте update.formula , только , значит «что было ранее в этой части формулы ».

Когда формула вызывается для объекта подогнанной модели, либо используется конкретный метод (например, для класса "nls" ) или метод по умолчанию. По умолчанию сначала ищется "формула" компонент объекта (и оценивает его), то «терминов» компонент, затем формула Параметр вызова (и оценивает его значение) и, наконец, атрибут "формула" .

Для фреймов данных существует метод формулы . Когда есть "термины" атрибута с формулой, например, для model.frame () , возвращается эта формула. Если вы хотите предыдущее (R \ (\ le \) 3.5.x) поведение, используйте вспомогательный DF2formula () , который не учитывает "условия" атрибута . В противном случае, если Здесь есть только один столбец образует правую часть с пустой левой. Для большего количества столбцов первый столбец - это левая часть формулы, а остальные столбцы разделены + образуют правую часть.

R Language - Основы формулы

Пример

Статистические функции в R широко используют так называемую нотацию формулы Уилкинсона-Роджерса 1 .

При запуске функций модели, таких как лм для линейной регрессии, им нужна формула . Эта формула определяет, какие коэффициенты регрессии должны быть оценены.

  my_formula1 <- формула (миль на галлон ~ вес)
класс (my_formula1)
# дает "формулу"

mod1 <- lm (my_formula1, данные = mtcars)
coef (mod1)
# дает (Перехват) wt
№37.285126 -5,344472
  

В левой части ~ (LHS) указывается зависимая переменная, а в правой части (RHS) - независимые переменные. Технически приведенный выше вызов формулы является избыточным, поскольку оператор тильды является инфиксной функцией, которая возвращает объект с классом формулы:

  форма <- миль на галлон ~ вес
класс (форма)
# [1] "формула"
  

Преимущество функции формулы по сравнению с ~ состоит в том, что она также позволяет указать среду для оценки:

  form_mt <- формула (mpg ~ wt, env = mtcars)
  

В этом случае выходные данные показывают, что оценен коэффициент регрессии для wt , а также (по умолчанию) параметр перехвата. Перехват может быть исключен / принудительно равен 0 путем включения 0 или -1 в формулу :

  coef (лм (миль на галлон ~ 0 + вес, данные = mtcars))
коэф (лм (миль на галлон ~ вес -1, данные = mtcars))
  

Взаимодействия между переменными a и b можно добавить, включив a: b в формулу :

  коэф (пог.м (миль на галлон ~ вес: vs, данные = mtcars))
  

Поскольку (со статистической точки зрения) обычно рекомендуется не иметь взаимодействий в модели без основных эффектов, наивным подходом было бы расширить формулу до a + b + a: b .Это работает, но можно упростить, написав a * b , где оператор * указывает пересечение факторов (когда между двумя столбцами факторов) или умножение, когда один или оба столбца являются «числовыми»:

  коэф (пог.м (миль на галлон ~ вес * vs, данные = mtcars))
  

Использование нотации * расширяет термин, чтобы включить все эффекты более низкого порядка, например:

  коэф (пог. м (миль на галлон ~ вес * vs * л.с., данные = mtcars))
  

даст, помимо точки пересечения, 7 коэффициентов регрессии.2, данные = mtcars))

Эти две спецификации формул должны создать одну и ту же матрицу модели.

Наконец, . - это сокращение для использования всех доступных переменных в качестве основных эффектов. В этом случае аргумент data используется для получения доступных переменных (которых нет в LHS). Следовательно:

  коэф (пог.м (миль на галлон ~., Данные = mtcars))
  

дает коэффициенты для пересечения и 10 независимых переменных. Эта нотация часто используется в пакетах машинного обучения, где нужно использовать все переменные для прогнозирования или классификации.Обратите внимание, что значение . зависит от контекста (другое значение см., Например, ? Update.formula ).

1. Г. Н. Уилкинсон и К. Э. Роджерс. Журнал Королевского статистического общества. Серия C (Прикладная статистика) Vol. 22, No. 3 (1973), pp. 392-399

Управление формулой R - Аналитика данных

Формула () является неотъемлемой частью языка R.Вы используете формулу , чтобы указать отношения между переменными для таких задач, как графика и анализ (например, линейное моделирование). Манипулирование формулой R - полезный навык.

Когда вы создали какую-то модель анализа в R, вы укажете переменные в какой-то формуле . R «распознает» формулу объектов, которые имеют свой собственный класс «формула» . Если, например, вы использовали команду lm () для создания результата регрессии, вы сможете извлечь формулу из результата.

  mod <- lm (Фертильность ~., Данные = швейцария)
формула (мод)
  

  Фертильность ~ сельское хозяйство + экзамен + образование + католицизм + младенческая смертность
  

Может быть полезно иметь возможность извлекать компоненты формулы модели. Например, вы можете захотеть изучить, как значение R ² изменяется при добавлении переменных в модель.

Извлечь переменные-предикторы

Для доступа к частям формулы вам потребуется команда terms () :

  термина (формула (мод))
  

Результат содержит различные компоненты; вам нужен термин .этикетки .

  attr (термины (формула (мод)), что = "term.labels")
  

  [1] "Сельское хозяйство" "Экзамен" "Образование" "Католическое"
[5] «Младенческая смертность»
  

Теперь у вас есть переменные, то есть переменные-предикторы из формулы. Следующим шагом будет получение переменной ответа.

Извлечь переменную ответа

Переменную ответа можно увидеть с помощью команды terms () и компонента переменных, например:

  attr (термины (формула (мод)), что = "переменные")
  

  список (фертильность, сельское хозяйство, экзамен, образование, католицизм, младенцы. Смертность)
  

Результат выглядит немного странно, но по сути это список, а второй компонент - это ответ.

  vv <- attr (условия (формула (mod)), что = "переменные")
rr <- as.character (vv [[2]]) # Имя переменной ответа
rr
  

  [1] «Плодородие»
  

Теперь у вас есть переменная ответа и предыдущие предикторы, которые можно использовать для «построения» формулы.

Построение формулы

В самом основном смысле формула - это просто строка символов, которая «соответствует» синтаксису формулы: например, y ~ x + z .Вы можете построить формулу с помощью команды paste () , объединив ответ, символы ~ и желаемые предикторы (сами они разделены символами + ).

В следующем примере используется набор данных swiss , который встроен в базу R.

  mod <- lm (Фертильность ~., Данные = швейцария)

# Получить (предиктор) переменные
vars <- attr (terms (formula (mod)), which = "term. labels")

# Получите ответ
vv <- attr (условия (формула (mod)), что = "переменные")
rr <- как.character (vv [[2]]) # Имя переменной ответа

# Теперь предикторы
pp <- paste (vars, collapse = "+") # Все
pp <- paste (vars [1], collapse = "+") # 1-й
pp <- paste (vars [1: 3], collapse = "+") # 1,2,3

# Создайте формулу
fml <- paste (rr, "~", pp)
fml
  

  [1] «Фертильность ~ сельское хозяйство + экзамен + образование + католицизм + младенческая смертность»
  

Если у вас есть формула как объект символов , вы можете использовать ее вместо обычной формулы в командах.

Использование «построенной» формулы

Символьная строка, представляющая формулу , может использоваться точно так же, как и «обычная» формула:

  лм (fml, data = swiss)
  

  Звоните:
lm (формула = fml, данные = швейцарский)

Коэффициенты:
     (Перехват) Экзамен по сельскому хозяйству
         66,9152 -0,1721 -0,2580 -0,8709
        Католический младенец.  Смертность
          0.1041 1.0770
  

Одно из применений для построения формулы - тестирование модели. Например, вы создаете свою регрессионную модель, содержащую пять предикторов, но, возможно, действительно необходимы только первые три. Вы можете перестроить формулу построчно и, например, извлечь значение 2 рэнд. Это покажет вам, как объясненная дисперсия изменяется по мере добавления дополнительных переменных.

См. Другие статьи на наших страницах "Советы и рекомендации".

 (х,)
(х, env = ())
(объект, env = ())

## Метод S3 для класса "формула"
(x, showEnv =! (e,),)
 

Модели подходят, например, к функциям lm и glm указаны в компактной символической форме. Оператор ~ является базовым при формировании таких моделей. Выражение вида y ~ модель интерпретируется в качестве спецификации, что моделируется ответ y с помощью линейного предиктора, символически заданного моделью . Такая модель состоит из ряда терминов, разделенных операторами + . Сами термины состоят из переменной и факторной имена, разделенные операторами : . Такой термин трактуется как взаимодействие все переменные и факторы, фигурирующие в термине.2 - a: b идентичен a + b + c + b: c + a: c . Его также можно использовать для удаления член перехвата: при подборе линейной модели y ~ x - 1 указывает линия, проходящая через начало координат. Модель без перехвата также может быть задано как y ~ x + 0 или y ~ 0 + x .

В то время как формулы обычно включают только переменную и множитель имена, они также могут включать арифметические выражения. Формула log (y) ~ a + log (x) вполне допустима. Когда такие арифметические выражения включают операторы, которые также используются символически в модельных формулах может возникнуть путаница между использование арифметических и символьных операторов.

Чтобы избежать этой путаницы, функция I () можно использовать для брекетинга этих частей модели формула, в которой операторы используются в своих арифметический смысл. Например, в формуле y ~ a + I (b + c) , член b + c должен быть интерпретируется как сумма b и c .

Имена переменных могут заключаться в кавычки `как это` в формулы, хотя нет гарантии, что весь код, использующий формулы примет такие несинтаксические имена.

Большинство функций подгонки моделей принимают формулы с правой частью включая функцию смещение для обозначения членов с фиксированный коэффициент, равный единице. Некоторые функции принимают другие «Специальные», такие как страта или кластер (см. спец. аргумент из терминов. Формула) .

Есть две особые интерпретации . в формуле. В обычный - в контексте аргумента модели data подходящие функции и означает «все столбцы, иначе в формула »: см. терминов.формула . В контексте update.formula , только , значит "что было ранее в этой части формулы ».

Когда формула вызывается для объекта подогнанной модели, либо используется конкретный метод (например, для класса "nls" ) или метод по умолчанию. По умолчанию сначала ищется "формула" компонент объекта (и оценивает его), то «терминов» компонент, затем формула Параметр вызова (и оценивает его значение) и, наконец, атрибут "формула" .

Для фреймов данных существует метод формулы . Когда есть "термины" атрибута с формулой, например, для model.frame () , возвращается эта формула. Если вы хотите предыдущее ( R <= 3.5.x) поведение, используйте вспомогательный DF2formula () , который не учитывает "условия" атрибута . В противном случае, если Здесь есть только один столбец образует правую часть с пустой левой. Для большего количества столбцов первый столбец - это левая часть формулы, а остальные столбцы разделены + образуют правую часть.

Все вышеперечисленные функции создают объект класса "формула" который содержит символьную формулу модели.

Объект формулы имеет связанную среду и эта среда (а не родительская среда) используется model.frame для оценки переменных которые не найдены в предоставленном аргументе data .

Формулы, созданные с помощью оператора ~ , используют среда, в которой они были созданы. Формулы, созданные с помощью как.формула будет использовать аргумент env для своих среда.

В версиях R до 3.6.0, символа x длины более одной были проанализированы как отдельные строки кода R и первого По возможности полное выражение преобразовывалось в формулу. Этот молча обрезает такие векторы символов неэффективно и до некоторых степень непоследовательности, поскольку это поведение не было задокументировано. За это причина, такое использование устарело.Если вы должны работать через характер x , используйте строку, то есть вектор символов длины один.

Например, eval (call ("~", quote (foo + bar))) был порядком величины более эффективным чем формула (c ("~", "foo + bar")) .

Далее, символьные «выражения», требующие eval () для возврата формулы устарели.

Чемберс, Дж. М. и Хасти, Т. Дж. (1992) Статистические модели. Глава 2 из Статистические модели в S редакторы J.М. Чемберс и Т. Дж. Хасти, Wadsworth & Brooks / Cole. 3)

Проблема здесь в том, как интерпретируются формулы.2) вернет вектор значений, возведенных во вторую степень.

~ следует рассматривать как выражение «распределяется как» или «зависит от» в функциях регрессии. ~ - это самостоятельная инфиксная функция. Вы можете видеть, что LHS ~ RHS - это почти сокращение для формулы (LHS, RHS) , набрав это на консоли:

  '~' (левый, правый)
#LHS ~ RHS

класс (`~` (LHS, RHS))
# [1] "формула"

идентичный (`~` (LHS, RHS), as.формула ("LHS ~ RHS"))
# [1] TRUE # нельзя использовать `формулу`, так как она интерпретирует свой первый аргумент
  

В функциях регрессии член ошибки в описании модели будет в той форме, которую функция регрессии предполагает или специально вызывается в параметрах для семейства . Среднее значение для базового уровня обычно обозначается (Перехват) . Контекст и аргументы функции могут также дополнительно определять функцию связи, такую ​​как log () или logit () из значения семейства , и также возможно иметь неканоническую комбинацию семейства / ссылки.

Символ «+» в формуле на самом деле не является добавлением двух переменных, но обычно является неявным запросом на вычисление коэффициента (ов) регрессии для этой переменной в контексте остальных переменных, которые находятся в правой части формулы. Функции регрессии используют `model.matrix ', и эта функция распознает присутствие факторов или векторов символов в формуле и построит матрицу, которая расширяет уровни дискретных компонентов формулы.

В функциях plot () он в основном меняет обычный порядок аргументов (x, y) , который обычно принимает функция построения графика.Был написан метод plot.formula, позволяющий использовать формулы как более «математический» способ связи с R. В graphics :: plot.formula , curve , а также в функциях 'lattice' и 'ggplot' , он управляет тем, как несколько факторов или числовых векторов отображаются и «фасетируются».

Перегрузка оператора «+» обсуждается в комментариях ниже, а также выполняется в пакетах построения графиков: ggplot2 и gridExtra, где это разделяющие функции, доставляющие результаты объекта. 2)

Сначала выполняется оператор, а затем эта новая переменная используется для построения матрицы модели и выполнения подгонки.

В вашем коде | также означает ИЛИ. Вы должны иметь в виду, что R интерпретирует числовые значения также как логические, когда вы используете какой-либо логический оператор. 0 рассматривается как ЛОЖЬ, все остальное - как ИСТИНА.

Итак, ваш звонок на lm создает модель y в функции x OR z . В этом нет никакого смысла. Учитывая значения x , это будет просто y ~ TRUE . Это также причина того, что ваша модель не подходит. Матрица вашей модели имеет 2 столбца с единицами, один для точки пересечения и один для единственного значения в x | z , что составляет ИСТИНА .Следовательно, ваш коэффициент для x | z даже не может быть вычислен, как показано из вывода:

 > лм (y ~ x | z)

Вызов:
lm (формула = y ~ x | z)

Коэффициенты:
(Перехват) x | zTRUE
   -0. 01925 NA
  

Внутренние формулы для смешанных моделей

В смешанных моделях (например, lme4 упаковка ), | используется для обозначения случайного эффекта. Такой термин, как + 1 | X , означает: «соответствовать случайному перехвату для каждой категории в X». Вы можете перевести | как «дано».Таким образом, вы можете рассматривать термин как «соответствие перехвату, учитывая X». Если иметь это в виду, использование | в спецификациях корреляционных структур, например, в nlme или mgcv будет для вас более понятным.

Вы все равно должны быть осторожны, так как точный путь | Интерпретация во многом зависит от используемого вами пакета. Таким образом, единственный способ действительно узнать, что это означает в контексте используемой функции моделирования, - это проверить это в руководстве к этому пакету.

Другое применение

Есть некоторые другие функции и пакеты, которые используют | символа в интерфейсе формулы. Также здесь все сводится к указанию на какую-то группу. Одним из примеров является использование | в решетчатой ​​графической системе. Там он используется для огранки, как показано следующим кодом:

  библиотека (решетка)
график плотности (~ Ширина чаши | Виды,
            данные = радужная оболочка,
            main = "График плотности по видам",
            xlab = "Ширина чаши")
  

Как передать формулу в lm - Win Vector LLC

R Совет: как передать формулу в лм () .

Часто при моделировании в R возникает необходимость построить формулу вне вызова моделирования. Это позволяет передавать набор используемых столбцов как вектор строк и обрабатывать их как данные. Возможность обрабатывать элементы управления (например, набор используемых переменных) как управляемые значения позволяет использовать очень мощные методы автоматизированного моделирования.

То, о чем мы говорим, - это способность брать результат (или зависимую переменную) и переменные моделирования (или независимые переменные) откуда-то еще в качестве данных.Тип кода, о котором мы говорим, показан ниже.

# спецификации того, как моделировать,
# откуда-то еще
исход <- "миль на галлон"
переменные <- c ("cyl", "disp", "hp", "carb")

# наши усилия по моделированию,
# полностью параметризован!
f <- как. формула (
  вставить (результат,
        вставить (переменные, collapse = "+"),
        sep = "~"))
печать (е)
# миль на галлон ~ цил + дисп + л.с. + карбюратор

модель <- lm (f, data = mtcars)
печать (модель)

# Вызов:
# lm (формула = f, данные = mtcars)
#
# Коэффициенты:
# (Intercept) cyl disp hp carb
№34.021595 -1,048523 -0,026906 0,009349 -0,926863
 

Это работает, и шаблон paste () настолько полезен, что мы предлагаем изучить и запомнить его.

Однако «вызов» модели сообщается как «формула = f » (имя переменной, несущей формулу), а не что-то более подробное. Откровенно говоря, этот печатный вопрос нас никогда не беспокоил. Ни один из наших инструментов или рабочих процессов в настоящее время не использует элемент вызова модели , и для очень большого количества переменных форматирование содержимого вызова в отчете модели становится неудобным.У нас также уже есть формула в переменной, поэтому, если она нам нужна, мы можем сохранить ее или передать.

На многих моделях есть гораздо лучшее место для получения информации о структуре модели, чем модель , вызывающая элемент : модель определяет элемент . Этот предмет содержит много информации и неплохо форматируется:

формат (условия (модель))
# [1] "миль на галлон ~ цил + диспл + л.
 

Обратите внимание, что для получения информации мы использовали нотацию аксессуаров ( терминов (модель) ).Обозначения списка, такие как модель $ термины также работают.

Кроме того, как это часто бывает в R , уже существует известное решение указанной выше проблемы. Для типичных проблем R следует подозревать, что существует хорошее доступное решение R . Это просто вопрос поиска правильной ссылки или обучения. Например: для управления моделью элемент $ call используйте функцию bquote () , как показано ниже.

исход <- "миль на галлон"
переменные <- c ("cyl", "disp", "hp", "carb")

f <- как.формула (
  вставить (результат,
        вставить (переменные, collapse = "+"),
        sep = "~"))
печать (е)
# миль на галлон ~ цил + дисп + л.с. + карбюратор


# Новая строка кода
модель <- eval (bquote (lm (. (f), data = mtcars)))



печать (модель)
# Вызов:
# лм (формула = миль на галлон ~ цил + диспл + л.с. + карбюратор, данные = mtcars)
#
# Коэффициенты:
# (Intercept) cyl disp hp carb
# 34.021595 -1.048523 -0.026906 0.009349 -0.926863
 

base :: bquote () - очень разумная реализация квази-цитирования или средства обратных кавычек Lisp.Идея состоит в том, что все внутри bquote () «цитируется» (не оценивается как дерево языков R , а не как простые строки!), За исключением всего, что помечено нотацией «. () ». . Все, что помечено как . () , не цитируется, а заменяется значением. Вот почему мы видим содержимое нашей формулы, а не имя переменной, которую мы использовали для ее обозначения. base :: eval () , наконец, используется для выполнения объединенного содержимого.

base :: bquote () имеет некоторые преднамеренные ограничения (нежелание подставлять в левые части = -выражений и некоторая сложность записи), поэтому мы продвигаем wrapr :: let () для имени для задач замены имени ( wrapr :: let () предназначен для замены фиксированного количества символов и объединяет шаблон eval (bquote ()) в одну функцию).

В заключение: точный сохраненный текст вызова в объекте модели может не иметь значения, поскольку лучше структурированная запись спецификации модели находится в элементе терминов модели . Однако вы также можете управлять текстом вызова модели, оценивая модель с помощью шаблона eval () / bquote () /. () , который мы продемонстрировали выше.

Нравится:

Нравится Загрузка .