40

我正在尝试glmnet在数据集上使用该包。我cv.glmnet()用来获取 的 lambda 值glmnet()。这是数据集和错误消息：

> head(t2)
  X1 X2        X3 X4 X5         X6    X7 X8 X9 X10 X11 X12
1  1  1 0.7661266 45  2 0.80298213  9120 13  0   6   0   2
2  2  0 0.9571510 40  0 0.12187620  2600  4  0   0   0   1
3  3  0 0.6581801 38  1 0.08511338  3042  2  1   0   0   0
4  4  0 0.2338098 30  0 0.03604968  3300  5  0   0   0   0
5  5  0 0.9072394 49  1 0.02492570 63588  7  0   1   0   0
6  6  0 0.2131787 74  0 0.37560697  3500  3  0   1   0   1
> str(t2)
'data.frame':   150000 obs. of  12 variables:
 $ X1 : int  1 2 3 4 5 6 7 8 9 10 ...
 $ X2 : int  1 0 0 0 0 0 0 0 0 0 ...
 $ X3 : num  0.766 0.957 0.658 0.234 0.907 ...
 $ X4 : int  45 40 38 30 49 74 57 39 27 57 ...
 $ X5 : int  2 0 1 0 1 0 0 0 0 0 ...
 $ X6 : num  0.803 0.1219 0.0851 0.036 0.0249 ...
 $ X7 : int  9120 2600 3042 3300 63588 3500 NA 3500 NA 23684 ...
 $ X8 : int  13 4 2 5 7 3 8 8 2 9 ...
 $ X9 : int  0 0 1 0 0 0 0 0 0 0 ...
 $ X10: int  6 0 0 0 1 1 3 0 0 4 ...
 $ X11: int  0 0 0 0 0 0 0 0 0 0 ...
 $ X12: int  2 1 0 0 0 1 0 0 NA 2 ...
> cv1 <- cv.glmnet(t2[,-c(1,2,7,12)], t2[,2], family="multinomial")
Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  : 
  (list) object cannot be coerced to type 'double'

我排除了第 1、2、7、12 列，因为它们是：id 列、响应列、包含 NA 和包含 NA。任何建议都会很棒。

4

1 回答 1

66

cv.glmnet需要一个预测变量矩阵，而不是一个数据框。通常您可以通过以下方式获得

X <- model.matrix(<formula>, data=<data>)

但在您的情况下，您可能可以更轻松地到达那里

X <- as.matrix(t2[,-c(1,2,7,12)])

因为您似乎没有任何因素变量或其他可能使事情复杂化的问题。

由于这个答案得到了很多点击：glmnetUtils 包为 glmnet提供了一个基于公式的接口，就像用于大多数 R 建模函数的接口一样。它包括 和 的方法glmnet，cv.glmnet以及cva.glmnet对 alpha 和 lambda 进行交叉验证的新函数。

以上将成为

cv.glmnet(X2 ~ ., data=t2[-1], family="multinomial")

NA 会自动处理，因此您不必排除具有缺失值的列。

于 2011-12-10T15:58:36.193 回答