Re: [問題] 請教一個R的error跟bootstrap迴歸

看板Statistics作者 (across)時間14年前 (2012/02/21 19:37), 編輯推噓3(3推 0噓 11→)
留言14則, 4人參與, 最新討論串2/2 (看更多)
不好意思佔版面回一下自己的文章 1.我改成只抽20筆 還是一樣超過memory size 不知道還有沒有別的辦法可以做 我總共需要使用這三萬多筆資料 抽樣兩百次 每次包含一萬筆 2.接著用這兩百個sets 每一個各做一次迴歸 一次損失代入 然後比較觀察值 有什麼辦法可以完成第一筆嗎? 因為如果連20筆都超過size 總不會叫我一筆一筆抽抽兩百次吧 : Error: cannot allocate vector of size 120 Kb : In addition: Warning messages: : 1: In structure(y, class = oldClass(x), row.names = .row_names_info(x, : : Reached total allocation of 6124Mb: see help(memory.size) : 2: In structure(y, class = oldClass(x), row.names = .row_names_info(x, : : Reached total allocation of 6124Mb: see help(memory.size) : 以上是sapWater<-replicate(n,sample(Water0, 10000, TRUE)) #n<-200 : 得到的error message : 我想做的有兩步 : 1.從Water0(三萬多row*14col)中 可重複每次獨立取出一萬筆重複兩百次 : 2.將這兩百個subset各做一次回歸 比較這兩百次得到的response vb : 兩個問題 第一步得到這樣的error是說我沒辦法用R做嗎? : 再者 我有回歸的程式 但是我不太會用loop 可不可以請高手教我 : 怎麼 寫一條程式 讓這兩百個subset(每一個是一萬row*14col) 自己都做一次回歸 : 謝謝 <(_ _)> -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 174.101.220.112
→
02/21 21:00, , 1F
你先試試sample()那裡，一步一步確認！
02/21 21:00, 1F
3q~
→
02/21 21:04, , 2F
就是要 for loop 抽200次!! 一次都過不了, 還渴望20?
02/21 21:04, 2F
推
02/21 21:08, , 3F
按你的敘述, id <- sample(1:nrow(Water0),10000,TRUE)
02/21 21:08, 3F
→
02/21 21:08, , 4F
subW0 <- Water0[id,] 這才是你要的一次抽樣.
02/21 21:08, 4F
大感謝~
→
02/21 21:11, , 5F
我猜你要對14個變數做迴歸. dim(subW0) 為10000*14.
02/21 21:11, 5F
→
02/21 21:17, , 6F
你的sample把整個Water0,copy到sample funtion中, 做WR
02/21 21:17, 6F
→
02/21 21:19, , 7F
整個回傳n*10000的矩陣(至少2個這樣的矩陣,在replicate
02/21 21:19, 7F
→
02/21 21:22, , 8F
如果Water0是data.frame(我猜是),那你是在 sample 變數
02/21 21:22, 8F
→
02/21 21:23, , 9F
也就是說回傳 3萬*10000 的data.frame 20個.
02/21 21:23, 9F
→
02/21 21:28, , 10F
重覆14個col,抽10000次,對3萬個row做迴歸?? 不暴都難
02/21 21:28, 10F
→
02/21 21:29, , 11F
cheer
02/21 21:29, 11F
推
02/22 04:32, , 12F
抽出來這個動作是可以每次寫出然後貼上成一個檔案。
02/22 04:32, 12F
→
02/22 04:32, , 13F
你原本的資料可以讀到嗎？
02/22 04:32, 13F
可以 ※ 編輯: cawaiilulu 來自: 174.101.220.112 (02/22 11:49)
推
02/25 12:54, , 14F
為啥不要每次做一次回歸後就把資料取代..不用全存吧
02/25 12:54, 14F
‣ 更多 cawaiilulu 的文章
文章代碼(AID): #1FGu8G8N (Statistics)
‣ 更多 cawaiilulu 的文章
文章代碼(AID): #1FGu8G8N (Statistics)