问题标签 [multinomial]

我已经运行了一个 multinom() 模型，那么如何在其他数据集上使用这些模型？例如，我想将此模型拟合到另一个数据集并为该数据集生成预测概率，就像在 Matlab 中所做的 mnrval() 一样——它采用 mnrfit() 估计的模型并将其应用于外部数据以生成预测概率。我目前受限于 R，所以不能使用 Matlab。谢谢。

我的问题类似于另一个较早的问题“如何获取使用 R 中的函数 multinom 创建的模型中包含的观察数？” 但我要寻找的是模型中分析的确切观察结果，而不是观察结果的数量。最终，我希望将原始数据集与预测（拟合）概率的新列相结合。但是让我用一个例子来说明我的问题：

如果我的样本是1000，一些变量有NA值，我在R中拟合一个multinom()，并使用fitted()，然后发现fitted()的长度只有870，这意味着模型时排除了130个obs估计的。现在，fitted() 只生成一个 870*1（即一列）的数字（概率），我无法知道每个概率数对应于哪个观察值。我认为有两种方法可以解决这个问题：

1. 在估计模型之前，找出哪些观察被排除并在原始数据中删除它们。
2. 尝试让 fit() 生成一个 1000*1 矩阵，其中 130 个元素为 NA。

我不知道任何一个的答案。任何意见，将不胜感激。最终目标是能够将拟合概率附加到原始数据集（作为新列），以便我可以得出推论。谢谢。

我正在使用带有函数 multiclass.roc 的 pROC（在 R 中），正如线程How to plot ROC curve in multiclass classification?

但是，当我应用到我的数据时，出现了错误：

预测器必须是数字或有序的

显然我的数据标签是无序的，在这种情况下，我该如何计算 AUC？

P/S：这个想法是，我有一个混淆矩阵作为多类分类器的结果。如何在 R 中计算此混淆矩阵的 AUC？

更新1：

假设我有 4 个没有顺序的 A、B、C、D 类（即，并不意味着 A > B 或 B > A）

正确的值：

预测值：

我应该如何计算这些数据的 AUC？

更新 2

生成示例数据的代码：

然后我尝试了

我首先想使用 r 生成多项分布的数据，然后我想要数据的“原始”形式。举个例子，假设我通过以下方式生成数据

我明白了

然后我想要一个向量中的数据在个人级别，所以它看起来像

是否有捷径可寻？我是新手，这并不像我想象的那么容易。我试图创建一个看起来像的函数

这根本不起作用，所以我希望得到一些帮助。

我编写了以下代码，它应该生成一个 1 行 10 列的输出矩阵。nchrom在我通过将标签替换为来纠正循环之前，这确实可以正常工作q，但现在会生成以下错误代码：

如果有人可以帮助我确定代码中的问题所在，我将不胜感激。我目前的代码如下：

我有一个包含大约 20 个样本和 4 个特征的数据集。在此处输入图像描述 我想使用 multinom() 创建一个模型。但是这个函数返回了大约 50 个名字奇怪的系数。

为什么会这样，这意味着什么？

我一直在努力解决以下问题一段时间，非常感谢您的帮助。我正在使用 mlogit 函数在 R 中运行一个 logit 模型，并且能够生成为给定的预测变量值选择每个备选方案的预测概率，如下所示：

但是，我无法弄清楚如何将置信区间添加到预测的概率估计中。我已经尝试向 predict 函数添加参数，但似乎没有一个生成它们。任何关于如何实现它的想法都将不胜感激。

我正在尝试对多项 LogisticRegressionWithLBFGS 模型的输出进行一些后处理。模型矩阵在 R 中创建，然后导出到 scala spark 进行模型拟合。

该文档指出存在“标准特征缩放和 L2 正则化”。multinom()R 包中函数的多项模型的输出{nnet}清楚地显示为给定结果和基本结果之间的对数赔率。然而，关于如何转换 LogisticRegressionWithLBFGS 的权重以获得一组标准系数的文档中没有足够的详细信息。

术语“标准特征缩放”对不同的人意味着不同的东西。这可能意味着模型矩阵被缩放为 (x - mean(x))/sd(x) 或 (x - min(x))/(max(x) - min(x)) 或一组其他可能性. 此外，权重输出是一串数字，它是可以以不同方式折叠以获得系数矩阵的特征的倍数 - 例如按行、按列或其他任意方式。

如何处理 LogisticRegressionWithLBFGS().weights 的输出以获得一组标准系数，我可以使用原始模型矩阵进行一些后处理、基本推理和预测？

我需要在 Julia 中做一些多项式回归。在 RI 中得到以下结果：

这是我的数据

我的第一次尝试是使用Regression.jl。这个包的文档非常稀少，所以我不确定哪个类别用作基线，结果输出对应的参数等等。我在这里提出了一个问题来询问这些事情。

结果是

但同样，我不确定这对应于什么。

接下来我尝试了 Python 的 SciKitLearn 的 Julia 包装器：

但我还没有弄清楚如何从这个模型中提取系数。用系数更新。这些看起来也不像 R 结果。

任何试图复制 R 的结果的帮助将不胜感激（使用任何包！）

请注意，响应变量只是离散化的时滞响应，即

对于第 2 行，您可以看到响应 (0, 1) 表示之前的观察结果是 3。类似地，(1,0) 表示之前的观察结果是 2，(0,0) 表示之前的观察结果是 1。

更新：对于 Regression.jl，默认情况下它似乎不适合截距（他们称其为“偏差”而不是截距）。通过添加这个术语，我们得到与 python 非常相似的结果（虽然不确定第三列是什么......）

更新：由于模型系数无法识别，我不应该期望它们在这些不同的实现中是相同的。但是，预测的概率应该是相同的，实际上它们是相同的（使用 R、Regression.jl 或 ScikitLearn）。

我需要帮助解决我的问题。我有2个问题。

1. 我无法在我的 RStudio 上安装库 (VGAM)。对另一个回归逻辑序数包有任何想法或对我的问题有解决方案吗？

2. 使用 mlogit 时，我坚持第一步。我有 3 个选项的因变量 = Kategori.Kredit。我有自变量 = FD、FC、ND、NC、CASA。请帮我解决这个问题，我尝试阅读 pdf 上的示例但仍然不明白。