mainGA.R

In GilChrist19/GA: Perform lm() or glm() Implemented Within a Genetic Algorithm

###############################################################################
#          GGGGGGGGGGGGG               AAA
#       GGG::::::::::::G              A:::A
#     GG:::::::::::::::G             A:::::A
#    G:::::GGGGGGGG::::G            A:::::::A
#   G:::::G       GGGGGG           A:::::::::A
#  G:::::G                        A:::::A:::::A
#  G:::::G                       A:::::A A:::::A
#  G:::::G    GGGGGGGGGG        A:::::A   A:::::A
#  G:::::G    G::::::::G       A:::::A     A:::::A
#  G:::::G    GGGGG::::G      A:::::AAAAAAAAA:::::A
#  G:::::G        G::::G     A:::::::::::::::::::::A
#   G:::::G       G::::G    A:::::AAAAAAAAAAAAA:::::A
#    G:::::GGGGGGGG::::G   A:::::A             A:::::A
#     GG:::::::::::::::G  A:::::A               A:::::A
#       GGG::::::GGG:::G A:::::A                 A:::::A
#          GGGGGG   GGGGAAAAAAA                   AAAAAAA
###############################################################################
# STAT 243
# Ruitong Zhu
# Jinxin Qu
# Rowan Morse
# Jared Bennett

################################################################################
# Load Model
################################################################################
rm(list=ls());gc()
library(GA)

################################################################################
# Play Data
################################################################################
set.seed(42)
playData1 <- data.frame( matrix(data = runif(n = 900, min = 0, max = 100), nrow = 100, ncol = 9) )
colnames(playData1) <- c("Y", LETTERS[1:8])

#this causes problems. NA in model, -Inf in scores
# NA in the model comes from explanatory variables that are not linearly independent.
# do we want to handle these exceptions, or let the user figure out that their model sucks?
playData2 <- data.frame( matrix(data = runif(n = 260, min = 0, max = 100), nrow = 10, ncol = 26) )
colnames(playData2) <- c("Y", LETTERS[-25])

playData3 <- data.frame(c(1:500), c(rnorm(500)), c(201:700), c(runif(500)*10), c(rnorm(500,1,5)))
colnames(playData3) <- c("Y", "A", "B", "C", "D")
#  Answer should obviously contain B

################################################################################
# Run Model
################################################################################




select(data=playData1,  model=lm, methodBreed="oneScore", Pop=NULL, mutRate=0.4, scoreFunc=AIC, generations=100)