我想使用for循环为R中的特征选择计算t统计量。数据有155列，因变量为二进制（诱变-非诱变）。我想为每列分配一个t统计信息。问题是我不知道该怎么写。
这是我尝试在R中实现的公式：
我也写了一个代码，但是我不确定，这只是第一栏。我需要为所有列的for循环编写它。
abs(diff(tapply(train_df[,1], train_df$Activity, mean))) / sqrt(sd((train_df$NEG_01_NEG[train_df$Activity == "mutagen"])^2) / (length(train_df$NEG_01_NEG[train_df$Activity == "mutagen"])) +
sd((train_df$NEG_01_NEG[train_df$Activity != "mutagen"])^2) / (length(train_df$NEG_01_NEG[train_df$Activity != "mutagen"])))
提前致谢！
最佳答案
如果您不想担心速度（您可能不在乎155列），则可以使用t.test函数并将其应用于每个列。
首先模拟一些数据
set.seed(1)
DF <- data.frame(y=rep(1:2, 50), x1=rnorm(100), x2=rnorm(100), x3=rnorm(100))
head(DF)
y x1 x2 x3
1 1 -0.6264538 -0.62036668 0.4094018
2 2 0.1836433 0.04211587 1.6888733
3 1 -0.8356286 -0.91092165 1.5865884
4 2 1.5952808 0.15802877 -0.3309078
5 1 0.3295078 -0.65458464 -2.2852355
6 2 -0.8204684 1.76728727 2.4976616
然后，我们可以使用公式参数将
t.test函数应用于除第一列以外的所有列。group <- DF$y
lapply(DF[,-1], function(x) { t.test(x ~ group)$statistic })
返回每列的测试统计信息。
t.test计算出许多您不需要的额外信息，因此您可以通过直接进行计算来大大加快此过程，但实际上在这里并不需要关于r - 用于特征选择的t统计，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43017689/