使用purrr和modelr从剂量-反应模型(drm)进行预测
使用purrr和modelr从剂量-反应模型(drm)进行预测。
剂量-反应模型(dose-response model)是一种用于描述剂量与响应之间关系的数学模型。它在药理学、毒理学、生态学等领域中被广泛应用。使用purrr和modelr这两个R语言包，可以方便地进行剂量-反应模型的预测和分析。
首先，我们需要安装和加载purrr和modelr包：
install.packages("purrr")
install.packages("modelr")
library(purrr)
library(modelr)接下来，我们需要准备剂量-反应数据。假设我们有一个包含剂量和响应的数据框，其中剂量为自变量，响应为因变量。我们可以使用drm函数从drc包中拟合剂量-反应模型：
install.packages("drc")
library(drc)
# 假设数据框名为data，剂量列名为dose，响应列名为response
model <- drm(response ~ dose, data = data, fct = LL.4())
# 查看模型拟合结果
summary(model)接下来，我们可以使用modelr包中的predict函数进行预测。predict函数可以根据已有的剂量-反应模型，对新的剂量进行预测，并返回预测结果。
# 假设我们有一个新的剂量向量new_dose，需要对其进行预测
new_data <- data.frame(dose = new_dose)
# 使用predict函数进行预测
predictions <- predict(model, newdata = new_data)
# 打印预测结果
print(predictions)以上就是使用purrr和modelr从剂量-反应模型(drm)进行预测的步骤。通过这种方法，我们可以方便地进行剂量-反应模型的建立和预测，并得到准确的预测结果。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云官网：https://cloud.tencent.com/
- 云服务器CVM：https://cloud.tencent.com/product/cvm
- 云数据库MySQL：https://cloud.tencent.com/product/cdb_mysql
- 人工智能AI：https://cloud.tencent.com/product/ai
- 云存储COS：https://cloud.tencent.com/product/cos
- 区块链服务：https://cloud.tencent.com/product/tbaas
- 物联网IoT Hub：https://cloud.tencent.com/product/iothub
- 移动开发服务：https://cloud.tencent.com/product/mcs
- 音视频处理服务：https://cloud.tencent.com/product/mps
- 云原生应用引擎TKE：https://cloud.tencent.com/product/tke
- 网络安全服务：https://cloud.tencent.com/product/ddos
- 元宇宙服务：https://cloud.tencent.com/product/meta-universe
请注意，以上链接仅供参考，具体产品选择应根据实际需求和情况进行。
相关·内容
的每种组合的剂量反应关系，进行预测以绘制曲线，并计算残差。info列反映了此数据框中需要保留的其他列，但这些列在剂量反应分析中并不重要。我首先使用一个函数和一个嵌套的数据框架创建模型：
dat_mods要将add_predictions与drm类型的
浏览 8提问于2020-06-06得票数 1
回答已采纳
1回答
我已经使用drm库使用5参数逻辑拟合来拟合模型。如果这是一个愚蠢的问题，我很抱歉；我才刚刚开始使用r。
如果剂量在x轴上，而反应在y轴上，那么很容易使用这个模型来预测基于给定剂量的反应。您可以使用函数PR或预测。然而，我想要估计给定反应的剂量。我找不到函数来做这件事。对于我的化验，我将我的数据拟合到标准曲线，现
浏览 10提问于2018-07-31得票数 1
3回答
在生物学中，我们经常想要绘制剂量反应曲线。R包'drc‘是真正有用的，基本图形可以轻松处理'drm模型’。但是，我想将我的drm曲线添加到一个ggplot2中。")
产生了一个很好的4参数剂量反应图。没有直接添加drm模型曲线的方法。我需要将4-PL重写为一个函数，并以stat_function的形式添加它，这至少是很麻烦的。无论是(和plot.drc一样)，x=0值都是在x轴上绘制的，
浏览 13提问于2016-04-21得票数 9
1回答
我的目标是创建多个模型，然后使用新的数据集，为新数据集创建预测值，并围绕每个新拟合点创建相应的预测间隔。拉入库： library(purrr)library(modelr) 将R:中的data_1指定为DNase数据集： data_1 <- DNase 为每次运行创建一个唯一的模型，让我们称其为data_2，对于每个模型，然后围绕每个拟合点构建预测区间(每个点的预测区间的上界<e
浏览 23提问于2021-03-23得票数 1
回答已采纳
1回答
我试图在R中的矩阵中添加一组外推的“观察”，我知道如何使用正常的编程技术(读取；一堆嵌套的循环和函数)来实现这一点，但我认为，通过在R-功能中使用build，这是可能得多的。
浏览 3提问于2017-04-04得票数 2
回答已采纳
1回答
我正在使用drc软件包的R，以拟合剂量反应曲线(4-param logistic: LL.4)的生物分析。我收集的数据通常是异方差的(例如下图)。我正在寻找方法来解释这一点时，调用drm。我发现了三种似乎很有希望的可能性：
使用type="Poisson“参数进行drm。然而，在许多测试中，过分散和低分散是很有可能的，所以这不太可能是一个通用的解决方案。按照drm调用drc.boxcox。这似乎更普遍，并可能奏效。在注释
浏览 2提问于2017-08-08得票数 0
回答已采纳
1回答
我正试图从rlang那里掌握整洁的评价。作为一个简短的例子，我想在数据框架中添加一列预测。这是在modelr中实现的，但是我想直接传递公式，这样我就可以进行一些整洁的评估了。enquo_model_exp}
使用此函数的示例
浏览 1提问于2018-07-13得票数 4
回答已采纳
1回答
我的目标是从数据中创建多个模型，然后围绕对应于这些不同模型的拟合值生成置信区间。引进图书馆：library(dplyr)将data_1赋值为R中的DNase数据集：为每次运行创建一个唯一的模型<- data_1 %>% group_by(Run) %>%
do(model_dna = lm(conc ~ density, data = .)) %>% u
浏览 3提问于2021-03-16得票数 2
回答已采纳
1回答
drm来拟合每个校准曲线的模型。nest() %>% unnest(sample) %>%从所获得的模型中，我想得到对我在样本上所做的观测的预测。我的想法是通过样本ID合并包含模型和观察的两个对象，然后以类似于我用地图拟合模型的方式从stats包中应用预测。不过，我
浏览 7提问于2022-03-07得票数 1
回答已采纳
1回答
然而，乳膏剂量的数据为0、0.25、0.5、0.75和1(按某种规模，例如50毫升)。我试图用这些离散值建立一个回归模型，并在一个连续的尺度上找到最优值(即，在这些离散值之外，最佳面霜用量为0.37。)。我还希望能够根据连续输入的药膏剂量来预测病人出现皮疹的天数(例如，如果使用0.65剂量，病人就会出现皮疹4天)。
目前，我正在进行适用于连续因变量的回归分析，如lasso回归。然后，使用我所建立的模型，我预测
浏览 0提问于2021-12-29得票数 2
作为对的随访，我用定量和定性解释变量之间的相互作用拟合了多元Logistic回归。aes(x=Conc, y=Pred), linetype=2) +
我想用他们的置信区间来计算LD50，LD90和LD95由于交互作用是重要的，所以我想分别计算LD50、LD90和LD95，以及它们对每个Type (A, B, and C)的置信区间。
LD是的意思，它是杀死X% (LD50 = 50%)所需的物质量。
浏览 3提问于2016-03-17得票数 5
回答已采纳
我有一个文本文件，从pdf连接到文本数据。从文本数据中，我想提取当前的描述，后面跟着字符串“图”。下面是一些文本数据的示例行，
图1-1.给药方案设计的经验方法。这些效果，包括期望的和不良的，是监测后，一个剂量方案的药物，并用来进一步完善和优化方案通过反馈(虚线)。这两个谜团中的每一个都不足以指导治疗和优化剂量；只有将药动学和药效学联系起来(PK/PD)并加以整合，它们才能在治疗上发挥作用。这种整合通常是通过开发数学模型(
浏览 0提问于2019-08-07得票数 0
我在R中使用lme4包和lmer函数，因为我正在进行线性混合建模。在响应和协变量(预测器)水平上都有NAs可以吗？我知道线性混合模型排除了NAs，并使用最大似然估计，但我不确定NAs是否同时存在于响应变量和预测变量中。如果我不排除NAs，我的模型运行良好，但我注意到不均衡的响应组(针对不同的时间点)？模型中包括了病人特征(协变量/预测变量)的列表。这些因素包括体重指数、年龄、糖尿病的存在、
浏览 3提问于2021-09-23得票数 1
1回答
有一些可能的用例，包括H2O/Spark中的数据传递，模型构建和离线培训和在线流预测。我想知道是否也可以使用Sparkling-Water与Kafka Streaming Source一起进行在线培训？
浏览 13提问于2019-03-27得票数 0
1回答
将预测添加到整洁的模型并绘制
、、、、
我的目标非常简单，它是从许多线性模型中预测(具有置信区间)未来值，然后使用ggplot2将它们绘制为实际数据的扩展。我使用broom，tidyr和purrr为每个区域系列组合估计了一个简单的线性模型，如下所示： group_by(area, series) %>%
le_model<-function，例如new.dates=data.frame(date=c((Sys.Date()+7), (Sys.Date()+
浏览 18提问于2021-03-16得票数 1
1回答
该研究包含18名受试者，他们在不同的日期重复测量反应(反应就是反应)。2 3085 356.8519 4 308
6 414.6901 5 308 以下代码适合具有随机截距的线性混合模型fit1 = lmer(Reaction ~ Days + (1 | Subject), data = sleepstudy) 我们可以使用"ranef(fit1)“获得特定于主题的随机截获。此外，可以使用“<
浏览 38提问于2021-11-19得票数 0
回答已采纳
我正在使用R中的smatr包装将SMA拟合到异速测量数据，并且我在绘制sma()命令计算的95%置信区间时遇到了困难。以软件包文档中的示例数据为例，如何将上下限95%置信度线添加到xy数据和SMA拟合图中？
浏览 39提问于2016-09-12得票数 1
我使用tidyverse、broom和purrr来按组对某些数据进行模型拟合。然后我试着用这个模型来预测一些新的数据，同样是按组进行预测。broom的“增强”函数不仅很好地增加了预测，而且还增加了其他值，如std错误等。然而，我无法使“增强”函数使用新的数据而不是旧的数据。因此，我的两套预测是完全相同的。问题是，我如何使‘扩大’使用新的数据，而不是旧的数据(这是用
浏览 2提问于2020-08-01得票数 0
回答已采纳
1回答
我试图预测一个周期位置的未来值依赖于时间(x ~时间)，单变量预测使用支持向量回归。该模型适用于列车数据，但当对试验数据进行评估时，该模型将跟踪到一条直线。在下面的代码中，我使用了50条用于火车的观测(红色周期曲线的前半部分，SVR非常适合)和50条用于测试的观测(红色曲线的下半部分，SVR无法预测)。library(lubridate)library(ggplot2)
library
浏览 6提问于2020-10-04得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
