Utilisation de ~ (tilde) dans le langage de programmation R

Question

J'ai vu dans un tutoriel sur la modélisation par régression la commande suivante :

myFormula <- Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width

Que fait exactement cette commande, et quel est le rôle de la ~ (tilde) dans la commande ?

Answer 1

La chose à droite de <- est un objet "formule". Il est souvent utilisé pour désigner un modèle statistique, où la chose située à gauche de l'objet "formule" est un objet de type "formule". ~ est la réponse et les choses à droite de la ~ sont les variables explicatives. En anglais, vous diriez donc quelque chose comme "Species depends on Sepal Length, Sepal Width, Petal Length and Petal Width".

Ce n'est pas la seule utilisation des objets de formule dans R. Certaines fonctions les utilisent simplement pour spécifier les colonnes d'un cadre de données.

Le site myFormula <- de cette ligne stocke la formule dans un objet appelé myFormula afin que vous puissiez l'utiliser dans d'autres parties de votre code R.

Pour en savoir plus, lisez help(formula) ou toute autre documentation R de base sur la modélisation linéaire.

Answer 2

R définit un ~ (tilde) à utiliser dans les formules. Les formules ont toutes sortes d'utilisations, mais la plus courante est sans doute celle de la régression :

library(datasets)
lm( myFormula, data=iris)

help("~") ou help("formula") vous en apprendra davantage.

@Spacedman a couvert les bases. Voyons comment cela fonctionne.

Tout d'abord, s'agissant d'un opérateur, notez qu'il s'agit essentiellement d'une raccourci vers une fonction (avec deux arguments) :

> `~`(lhs,rhs)
lhs ~ rhs
> lhs ~ rhs
lhs ~ rhs

Il peut être utile de le savoir pour l'utiliser, par exemple, dans les cas suivants apply les commandes de la famille.

Deuxièmement, vous pouvez manipuler la formule en tant que texte :

oldform <- as.character(myFormula) # Get components
myFormula <- as.formula( paste( oldform[2], "Sepal.Length", sep="~" ) )

Troisièmement, vous pouvez le manipuler en tant que liste :

myFormula[[2]]
myFormula[[3]]

Enfin, il existe quelques astuces utiles avec les formules (voir help("formula") pour en savoir plus) :

myFormula <- Species ~ . 

Par exemple, la version ci-dessus est la même que la version originale, puisque le point signifie "toutes les variables non encore utilisées". Cette version examine le data.frame que vous utilisez dans votre appel de modèle éventuel, voit quelles variables existent dans le data.frame mais ne sont pas explicitement mentionnées dans votre formule, et remplace le point par ces variables manquantes.

Answer 3

En un mot,

The tilde (~) separates the left side of a formula with the right side of the formula.

Par exemple, dans une fonction linéaire, il séparerait la variable dépendante des variables indépendantes et peut être interprété comme disant "en fonction de". Ainsi, lorsque le salaire d'une personne (wages) est fonction de ses années d'études (years_of_education), nous faisons quelque chose comme,

wages ~ years_of_education

Ici,

 Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width

Ça veut dire, Species est une fonction de Sepal Length, Sepal Width, Petal Length and Petal Width .