如何预测 R 中的成分数据答案

【问题标题】：How to predict compositional data in R如何预测 R 中的成分数据
【发布时间】：2018-07-13 13:42:15
【问题描述】：

我有两组成分变量，一组在设备 1 上测量，另一组在设备 2 上测量。我想开发一个模型来将Device1 的数据转换为Device2。为此，我想使用 R 的组合包。模型的构建似乎工作正常，但我无法使用此模型预测旧数据 (OldData) 的组合。如何获得OldData 数据框中每个样本的预测成分？我在下面包含了我的代码的可重现示例。任何帮助将不胜感激。

#loading library
library(compositions)

#Generate data
Device1 <- data.frame(
x = runif(50, min = 0.2, max = 0.6), 
y = runif(50, min = 0.2, max = 0.5),   
z = runif(50, min = 0.1, max = 0.7))  
Device2 <- data.frame(
x = runif(50, min = 0.2, max = 0.6), 
y = runif(50, min = 0.2, max = 0.5),   
z = runif(50, min = 0.1, max = 0.7))  

#Make data compositional
dataset1 <- acomp(dataset1)
dataset2 <- acomp(dataset2)

#Model
mod <- lm(ilr(Y)~ilr(X), data=list(X=Device1, Y=Device2))
summary(mod)

#Generate data to be predicted
OldData <- data.frame(
x = runif(100, min = 0.2, max = 0.6), 
y = runif(100, min = 0.2, max = 0.5),   
z = runif(100, min = 0.1, max = 0.7))  

#Prediction of new compositions
ilrInv(predict(mod, X=OldData[1:100]))

【问题讨论】：

标签： r regression prediction

【解决方案1】：

问题是由于 predict 需要一个 data.frame ，其中的列具有 lm 拟合中公式中提到的对象的确切名称。成分回归模型对整个成分使用“集体名称”（X），而不是识别公式中的每个变量。为了让 predict 在这种情况下工作，我们需要创建一个 data.frame，其中包含一个包含整个组合的适当名称的列！有几种方法可以得到它，例如：

# create a fake data.frame with the right number of rows
newdt = data.frame(placeholder=0*OldData$x)
# append a single column containing the whole composition
newdt$X = OldData
# now we can indeed call predict:
ilrInv(predict(mod, newdata=newdt))

【讨论】：