如何在C ++代码中实现R模型
|
我在R中有一个模型：
> s1 <- toys[1:10000,]
> model <- glm(V11~V2+V3+V5+V7+V8+V9+V10,gaussian,s1)
> model
Call: glm(formula = V11 ~ V2 + V3 + V5 + V7 + V8 + V9 + V10, family = gaussian,
data = s1)
Coefficients:
(Intercept) V2 V3 V5 V7 V8 V9 V10
-0.900106 0.006385 -0.005080 1.006324 0.229282 0.012391 -0.049307 -0.186450
Degrees of Freedom: 9999 Total (i.e. Null); 9992 Residual
Null Deviance: 11050000
Residual Deviance: 121200 AIC: 53340
float model(float v2, float v3, ... float v10)
{
return -0.900106 * v2 + 0.006385 * v3 + .. + (-0.186450) * v10;
}
没有找到相关结果
已邀请:
1 个回复
苛肠倒俱
代表广义线性模型，但是当您使用恒等链接时，最终会得到线性回归）。 C语言中有多种实现方式，例如apophenia库，该库具有一组不错的统计函数，并带有针对MySQL和Python的绑定。 GSL和ALGLIB库也有专用算法。 但是，对于轻量级和几乎独立的C代码，我建议您看一下snpMatrix BioC软件包源代码中的ѭ3。 在更新了问题之后，您似乎宁愿根据一组回归参数来预测结果。然后，假设假设模型的一般形式为y = b0 + b1 * x1 + b2 * x2 + ... + bp * xp，其中b0是截距，b1，...，bp是回归系数（从数据中估算出来），计算起来非常简单，因为它是一个加权总和：取p个预测变量的每个观测值，然后乘以b \（不要忘了截距项！）。 您可以使用R函数仔细检查结果；这是一个示例，包含两个名为ors5ѭ和的预测变量，100个观察值以及一个规则的新值网格，用于预测结果（您也可以使用自己的数据）：> df <- transform(X <- as.data.frame(replicate(2, rnorm(100))), y = V1+V2+rnorm(100)) > res.lm <- lm(y ~ ., df) > new.data <- data.frame(V1=seq(-3, 3, by=.5), V2=seq(-3, 3, by=.5)) > coef(res.lm) (Intercept) V1 V2 0.006712008 0.980712578 1.127586352 > new.data V1 V2 1 -3.0 -3.0 2 -2.5 -2.5 ... > 0.0067 + 0.9807*-3 + 1.1276*-3 # with approximation [1] -6.3182 > predict(res.lm, new.data)[1] 1 -6.318185