1

我一直在尝试使用 glmmLasso 为混合模型进行变量选择，但我似乎无法让模型工作。我已经将我的模型设置为与此处找到的演示类似。我正在使用使用 BIC 选择 lambda 的简单方法。

这是我一直在运行的代码。

library(glmmLasso)

lambda <- seq(500,0,by=-5)
family = binomial(link = logit)

library(MASS);library(nlme)
PQL<-glmmPQL(y~1,random = ~1|ID,family=family,data=train)
Delta.start<-c(as.numeric(PQL$coef$fixed),rep(0,64),as.numeric(t(PQL$coef$random$ID)))
Q.start<-as.numeric(VarCorr(PQL)[1,1])

BIC_vec<-rep(Inf,length(lambda))

for(j in 1:length(lambda)){
  print(paste("Iteration ", j,sep=""))

  glm1 = try(glmmLasso(y ~ variable1 + ... + as.factor(factorVariable1), rnd = list(ID=~1),  
                       family = family, data = train, lambda=lambda[j],switch.NR=T,final.re=TRUE,
                       control=list(start=Delta.start, q_start=Q.start)),silent = TRUE)

  if(class(glm1) != "try-error"){  
    BIC_vec[j]<-glm1$bic
  }
}

我不确定的一件事是 Delta.start。我正在关注演示，我假设被重复的 0 的数量是变量的数量，或者如果它是一个因子，你在 0 中添加 1 比因子中的水平数少。

运行此代码，所有 BIC 分数仍然是Inf. 而且，看着 glm1 我发现了这个错误

[1] "Error in if (group.sum[1] == 0 & sqrt(sum(score.beta[1:block[1]]^2)) >  : \n  missing value where TRUE/FALSE needed\n"
attr(,"class")
[1] "try-error"
attr(,"condition")
<simpleError in if (group.sum[1] == 0 & sqrt(sum(score.beta[1:block[1]]^2)) >     lambda_vec[1]) {    grad.lasso[1:block[1]] <- score.beta[1:block[1]] - lambda_vec[1] *         (score.beta[1:block[1]]/sqrt(sum(score.beta[1:block[1]]^2)))} else {    grad.lasso[1:block[1]] <- 0}: missing value where TRUE/FALSE needed>

有没有人对如何解决这个问题有任何想法？我不确定这是否会导致问题，但在火车数据集中，ID 大约有 7,500 个级别。

不幸的是，我无法包含任何数据以使其可重现。我希望其他人过去曾遇到过这个问题并且知道发生了什么。我正在尝试生成一些也存在此问题的数据。

编辑

现在看起来它与start=Delta.start控制有关。当我删除模型适合时。我仍然不确定 Delta.start 到底是怎么回事。

4

1 回答 1

1

问题在于因素的水平。级别的train$ID长度大于train$ID将数据采样到训练/测试集后留下的唯一值的长度。我想我会发布我的结果，以防其他人遇到这个问题。

跑步

train$ID = factor(train$ID)

固定因子的水平ID。然后，我最终使用了演示中的第三个示例，该示例在问题中链接，它使用以前的运行结果作为参数的初始化。

Delta.start<-as.matrix(t(rep(0,7+length(levels(train$ID)))))
Q.start<-0.1 

lambda <- seq(500,0,by=-5)
family = binomial(link = logit)

BIC_vec<-rep(Inf,length(lambda))

for(j in 1:length(lambda)){
  print(paste("Iteration ", j,sep=""))

  glm1 = try(glmmLasso(y ~ variable1 + ... + as.factor(factorVariable1), rnd = list(ID=~1),  
                       family = family, data = train, lambda=lambda[j],switch.NR=T,final.re=TRUE,
                       control=list(start=Delta.start[j,], q_start=Q.start[j])),silent = TRUE)

  Delta.start<-rbind(Delta.start,glm3$Deltamatrix[glm3$conv.step,])
  Q.start<-c(Q.start,glm3$Q_long[[glm3$conv.step+1]])

  if(class(glm1) != "try-error"){  
    BIC_vec[j]<-glm1$bic
  }
}
于 2017-03-21T16:10:37.440 回答