biglm 发现错误的 data.frame 从中获取数据

Question

我正在尝试创建我的数据集块来运行biglm。 （使用 fastLm 我需要 350Gb 的 RAM）

我的完整数据集称为res。作为实验，我将大小大幅减少到 10.000 行。我想创建与 biglm 一起使用的块。

library(biglm)

formula <- iris$Sepal.Length ~ iris$Sepal.Width

test <- iris[1:10,]

biglm(formula, test)

不知何故，我得到以下输出：

> test <- iris[1:10,]
> test
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1           5.1         3.5          1.4         0.2  setosa
2           4.9         3.0          1.4         0.2  setosa
3           4.7         3.2          1.3         0.2  setosa
4           4.6         3.1          1.5         0.2  setosa
5           5.0         3.6          1.4         0.2  setosa
6           5.4         3.9          1.7         0.4  setosa
7           4.6         3.4          1.4         0.3  setosa
8           5.0         3.4          1.5         0.2  setosa
9           4.4         2.9          1.4         0.2  setosa
10          4.9         3.1          1.5         0.1  setosa

您可以在上面看到矩阵test 包含10 行。然而，当运行 biglm 时，它显示的样本大小为 150

> biglm(formula, test)
Large data regression model: biglm(formula, test)
Sample size =  150 

看起来它使用 iris 而不是 test.. 这怎么可能？如何让 biglm 以我想要的方式使用 chunk1？

Answer 1

我怀疑下面一行是罪魁祸首：

formula <- iris$Sepal.Length ~ iris$Sepal.Width

您在公式中明确引用iris 数据集的位置。这将导致 R 在调用 lm 时尝试查找 iris 数据集，它在全局环境中找到（由于 R 的范围规则）。

在公式中，您通常不使用向量，而只是使用列名：

formula <- Sepal.Length ~ Sepal.Width

这将确保公式仅包含列（或变量）名称，这些名称将在传递的数据中找到lm。所以，lm 将使用test 代替iris。