我的目标是使用该tidymodels
软件包安装 Poisson glmnet。为此,我使用recipes
包来预处理数据、parsnip
拟合模型、workflows
将模型与预处理器捆绑在一起,并poissonreg
能够将泊松回归与parsnip
. 如果我的训练数据集只包含数字预测变量,它工作得非常好,但是当有一些因子(或分类)预测变量时,我无法拟合模型。在下面的代码中,您可能会认为 usingtidymodels
是矫枉过正。是的,这是针对这个最小的示例,但最终,我会想要调整我的超参数,验证我的模型等,然后,tidymodels
这将是有用的。
首先,让我们加载我们需要的包。
library(tibble)
library(recipes)
library(poissonreg)
library(parsnip)
library(workflows)
library(glmnet)
让我们还模拟我们的数据集,该数据集有 1000 行、1 个结果 ( y
)、1 个具有 2 个级别 ( x_fac
) 的分类预测变量和 3 个数字预测变量 (x_num_01
和x_num_02
) x_num_03
。
n <- 1000
dat <- tibble::tibble(
y = rpois(n, lambda = 0.15),
x_fac = factor(sample(c("M", "F"), size = n, replace = T)),
x_num_01 = rnorm(n),
x_num_02 = rnorm(n),
x_num_03 = rnorm(n)
)
然后,我们定义并准备配方。预处理非常简单:如果有的话,所有的分类预测器都被转换为虚拟预测器。
rec <-
recipes::recipe(y ~ ., data = dat) %>%
recipes::step_dummy(all_nominal()) %>%
recipes::prep()
然后我们定义我们的模型,
glmnet_mod <-
poissonreg::poisson_reg(penalty = 0.01, mixture = 1) %>%
parsnip::set_engine("glmnet")
将模型和预处理器与workflows
包捆绑在一起
glmnet_wf <-
workflows::workflow() %>%
workflows::add_recipe(rec) %>%
workflows::add_model(glmnet_mod)
最后,我们训练模型parsnip
:
glmnet_fit <-
glmnet_wf %>%
parsnip::fit(data = dat)
此parsnip::fit
函数抛出错误
Error in fishnet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs, :
NA/NaN/Inf in foreign function call (arg 4)
In addition: Warning message:
In fishnet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs, :
NAs introduced by coercion
Timing stopped at: 0.005 0 0.006
我完全不知道为什么!如果您x_fac
从模拟数据集中删除预测器dat
,它工作正常。如果我在使用包运行 glmnet 之前自己预处理数据,它也可以工作glmnet
:
x <- dat %>% dplyr::mutate(x_fac_M = x_fac == "M") %>% dplyr::select(contains("x"), -x_fac) %>% as.matrix()
y <- dat$y
glmnet::glmnet(x = x, y = y, family = "poisson", lambda = 0.01, alpha = 1)
谢谢你的帮助!
会话信息:
R version 4.0.0 (2020-04-24)
Platform: x86_64-apple-darwin17.0 (64-bit)
Running under: macOS Catalina 10.15.4
Matrix products: default
BLAS: /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/4.0/Resources/lib/libRlapack.dylib
locale:
[1] en_CA.UTF-8/en_CA.UTF-8/en_CA.UTF-8/C/en_CA.UTF-8/en_CA.UTF-8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] workflows_0.1.1 poissonreg_0.0.1 parsnip_0.1.0 recipes_0.1.12
[5] dplyr_0.8.5 tibble_3.0.1
loaded via a namespace (and not attached):
[1] Rcpp_1.0.4.6 pillar_1.4.4 compiler_4.0.0 gower_0.2.1
[5] iterators_1.0.12 class_7.3-16 tools_4.0.0 rpart_4.1-15
[9] ipred_0.9-9 packrat_0.5.0 lubridate_1.7.8 lifecycle_0.2.0
[13] lattice_0.20-41 pkgconfig_2.0.3 rlang_0.4.6 foreach_1.5.0
[17] Matrix_1.2-18 cli_2.0.2 rstudioapi_0.11 prodlim_2019.11.13
[21] withr_2.2.0 generics_0.0.2 vctrs_0.2.4 glmnet_3.0-2
[25] grid_4.0.0 nnet_7.3-13 tidyselect_1.0.0 glue_1.4.0
[29] R6_2.4.1 fansi_0.4.1 survival_3.1-12 lava_1.6.7
[33] purrr_0.3.4 tidyr_1.0.2 magrittr_1.5 codetools_0.2-16
[37] ellipsis_0.3.0 MASS_7.3-51.5 splines_4.0.0 hardhat_0.1.2
[41] assertthat_0.2.1 shape_1.4.4 timeDate_3043.102 utf8_1.1.4
[45] crayon_1.3.4