9

当使用具有因子的公式时,拟合模型将系数命名为 XY,其中 X 是因子的名称,Y 是它的特定水平。我希望能够从这些系数的名称中创建一个公式。

原因:如果我将套索拟合到稀疏设计矩阵(如下所示),我想创建一个仅包含非零系数项的新公式对象。

require("MatrixModels")
require("glmnet")
set.seed(1)
n <- 200
Z <- data.frame(letter=factor(sample(letters,n,replace=T),letters),
                x=sample(1:20,200,replace=T))
f <- ~ letter + x:letter + I(x>5):letter
X <- sparse.model.matrix(f, Z)
beta <- matrix(rnorm(dim(X)[2],0,5),dim(X)[2],1)
y <- X %*% beta + rnorm(n)

myfit <- glmnet(X,as.vector(y),lambda=.05)
fnew <- rownames(myfit$beta)[which(myfit$beta != 0)]
 [1] "letterb"              "letterc"              "lettere"             
 [4] "letterf"              "letterg"              "letterh"             
 [7] "letterj"              "letterm"              "lettern"             
[10] "lettero"              "letterp"              "letterr"             
[13] "letters"              "lettert"              "letteru"             
[16] "letterw"              "lettery"              "letterz"             
[19] "lettera:x"            "letterb:x"            "letterc:x"           
[22] "letterd:x"            "lettere:x"            "letterf:x"           
[25] "letterg:x"            "letterh:x"            "letteri:x"           
[28] "letterj:x"            "letterk:x"            "letterl:x"           
[31] "letterm:x"            "lettern:x"            "lettero:x"           
[34] "letterp:x"            "letterq:x"            "letterr:x"           
[37] "letters:x"            "lettert:x"            "letteru:x"           
[40] "letterv:x"            "letterw:x"            "letterx:x"           
[43] "lettery:x"            "letterz:x"            "letterb:I(x > 5)TRUE"
[46] "letterc:I(x > 5)TRUE" "letterd:I(x > 5)TRUE" "lettere:I(x > 5)TRUE"
[49] "letteri:I(x > 5)TRUE" "letterj:I(x > 5)TRUE" "letterl:I(x > 5)TRUE"
[52] "letterm:I(x > 5)TRUE" "letterp:I(x > 5)TRUE" "letterq:I(x > 5)TRUE"
[55] "letterr:I(x > 5)TRUE" "letteru:I(x > 5)TRUE" "letterv:I(x > 5)TRUE"
[58] "letterx:I(x > 5)TRUE" "lettery:I(x > 5)TRUE" "letterz:I(x > 5)TRUE"

从这里我想有一个公式

~ I(letter=="d") + I(letter=="e") + ...(etc)

我检查了 formula() 和 all.vars() 无济于事。此外,由于可能出现不同类型的术语,编写一个函数来解析它有点痛苦。例如,对于 x:letter 当 x 是一个数值并且 letter 是一个因子时,或者 I(x>5):letter 作为另一个恼人的情况。

那么我不知道有一些函数可以在公式及其字符表示之间进行转换并再次返回吗?

4

2 回答 2

4

当我运行代码时,我得到了一些不同的东西,因为 set.seed() 没有被指定。我没有使用变量名“letter”,而是使用“letter_”作为方便的分割标记:

> fnew <- rownames(myfit$beta)[which(myfit$beta != 0)]

> fnew
 [1] "letter_c" "letter_d" "letter_e" "letter_f" "letter_h" "letter_k" "letter_l"
 [8] "letter_o" "letter_q" "letter_r" "letter_s" "letter_t" "letter_u" "letter_v"
[15] "letter_w"

然后进行拆分并打包成字符矩阵:

> fnewmtx <- cbind( lapply(sapply(fnew, strsplit, split="_"), "[[", 2),
+ lapply(sapply(fnew, strsplit, split="_"), "[[", 1))

fnewmtx [,1] [,2]
letter_c "c" "letter" letter_d "d" "letter" letter_e "e" "letter" letter_f "f" "letter" 剪断其余部分

并将粘贴函数输出包装在 as.formula() 中,这是如何“在公式及其字符表示之间进行转换并返回”的答案的一半。另一半是 as.character()

form <- as.formula( paste("~", 
             paste( 
               paste(" I(", fnewmtx[,2], "_ ==", "'",fnewmtx[,1],"') ", sep="") , 
             sep="", collapse="+")
                 ) 
           )  # edit: needed to add back the underscore

输出现在是一个适当的类对象:

> class(form)
[1] "formula"
> form
~I(letter_ == "c") + I(letter_ == "d") + I(letter_ == "e") + 
    I(letter_ == "f") + I(letter_ == "h") + I(letter_ == "k") + 
    I(letter_ == "l") + I(letter_ == "o") + I(letter_ == "q") + 
    I(letter_ == "r") + I(letter_ == "s") + I(letter_ == "t") + 
    I(letter_ == "u") + I(letter_ == "v") + I(letter_ == "w")

我发现有趣的是 as.formula 转换将字母周围的单引号变成了双引号。

编辑:既然问题有一个或两个额外的维度,我的建议是跳过公式的重新创建。请注意,myfit$beta 的行名与 X 的列名完全相同,因此使用非零行名作为索引来选择 X 矩阵中的列:

> str(X[ , which( colnames(X) %in% rownames(myfit$beta)[which(myfit$beta != 0)] )] )
Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
  ..@ i       : int [1:429] 9 54 91 157 166 37 55 68 117 131 ...
  ..@ p       : int [1:61] 0 5 13 20 28 36 42 50 60 68 ...
  ..@ Dim     : int [1:2] 200 60
  ..@ Dimnames:List of 2
  .. ..$ : chr [1:200] "1" "2" "3" "4" ...
  .. ..$ : chr [1:60] "letter_b" "letter_c" "letter_e" "letter_f" ...
  ..@ x       : num [1:429] 1 1 1 1 1 1 1 1 1 1 ...
  ..@ factors : list()

> myfit2 <- glmnet(X[ , which( colnames(X) %in% rownames(myfit$beta)[which(myfit$beta != 0)] )] ,as.vector(y),lambda=.05)
> myfit2

Call:  glmnet(x = X[, which(colnames(X) %in% rownames(myfit$beta)[
                                           which(myfit$beta != 0)])], 
              y = as.vector(y), lambda = 0.05) 

     Df   %Dev Lambda
[1,] 60 0.9996   0.05
于 2010-11-25T22:57:21.017 回答
2

克里斯托弗,在经过一些考虑和检查等之后,您所要求的似乎sparse.model.matrix有些涉及。您还没有解释为什么不想形成完整的稀疏模型矩阵,X_test因此除了以下两个选项之外,很难建议前进的方向。

如果您有大量的观察结果,X_test因此出于计算原因不想生成完整的稀疏矩阵以供使用,则将样本分成两个或多个样本块并为每个样本形成稀疏模型矩阵predict()可能会更方便X_test反过来,在使用后将其丢弃。

否则,您将需要详细研究 Matrix 包中的代码。从开始sparse.model.matrix并注意它然后调用Matrix:::model.spmatrix并定位Matrix:::fac2Sparse该函数中的调用。您可能需要从这些函数中选择代码,但使用修改后的代码fac2Sparse来实现您想要实现的目标。

抱歉,我无法提供现成的脚本来执行此操作,但这是一项艰巨的编码任务。如果你沿着这条路走,请查看 Matrix 包中的稀疏模型矩阵fac2Sparse小插图并获取包源(来自 CRAN),看看我提到的函数是否在源代码中得到了更好的记录(例如,没有 Rd 文件)。您也可以向 Matrix 的作者(Martin Maechler 和 Doug Bates)寻求建议,但请注意,这两位作者本学期的教学负担特别重。

祝你好运!

于 2010-12-01T17:10:37.700 回答