问题标签 [multinomial]

我正在使用 nnet 包中的 multinom 来将逻辑回归模型拟合到由 3 个类组成的数据，但是这些类的普遍性并不平衡。我想分配权重/惩罚，以告诉模型避免对某个类别进行错误分类。这是我的代码和一部分数据：

任何人都知道如何分配错误分类处罚？具体来说，我想分配一个 10:5:1 的惩罚比（对应于 1,2,3 类），这意味着我真的很喜欢在 1 类上准确。我的目标变量 cut.rank 的分布是 ~ 0.04,0.08， 0.88。由于第 1 类的流行率较低，因此该类的模型敏感性较低。

我对 R 很陌生，想知道 nnet 包中用于拟合逻辑回归模型的函数 multinom 是否能够分配权重/惩罚，以便告诉模型避免对某个类进行错误分类。我有三个类，它们的分布差异很大，导致数据集非常不平衡。这就是为什么我认为权重/惩罚可以迫使模型在课堂上更准确，而且流行度较低。这是电话：

目前，似乎无法将多项式预测为光栅砖gbm模型预测为光栅砖。但是请注意，对于相对较小的栅格网格，有一种简单的方法可以解决这个问题 - 这将在下面解释。但是，当您处理大型栅格、许多类（在我的例子中是植被群落）和预测变量时，这里的过程非常缓慢并且并非没有挑战。我希望下面的信息可能对遇到同样挑战的任何人有用。

下面我尝试使用多项 gbm 模型和 20 个预测变量来预测 36 个植被群落的发生概率。我的研究区域是一个具有 213,000,000 像素的 30x30m 栅格网格 - 但是下面的代码与我用来开发/测试该过程的 1221 个单元格的小网格有关。

我将预测变量堆叠到栅格堆栈中，如下所示：

检查 rasStack 中的名称是否与上述模型中的名称相同很重要

在运行 predict.gbm 之前，我调用了最好的迭代模型

我可以通过将网格单元转换为一组空间点（如下所示），为我的测试区域创建一组光栅输出图像，该区域有 1221 个单元。

运行 predict.gbm 模型

我可以通过以下方式将 predtable 中的出现概率值写入一组 36 个新光栅图像：

这给了我想要的输出 - 但是 - 而不是必须预测到数据帧 - 如果可以直接预测到 rasterbrick，该过程将更快，更有效。

如果我跑

输出是代表我要预测的第一个植被群落的栅格网格：

IDRISI 文件格式不支持多波段图像，因此我无法将 index=1:36 添加到混合中以生成多波段光栅砖作为输出。如果我尝试这样做 - 设置 format="GTiff" 或 "HFA"（或任何其他需要 rgdal 的格式），我会收到错误消息：

"Error in rgdal::putRasterData(x@file@transient, v, band = 1, offset = off) : 光栅 IO 失败”

但是，如果我设置格式 =“raster”，我可以获得 rasterbrick 输出，但这不会让我读/写除 idrisi 图像（predict.gbm 模型的第一个输出列）中的数据以外的任何数据

“警告消息：在 .rasterFromRasterFile(grdfile, band = band, objecttype, ...) 中：值文件的大小与单元格的数量不匹配（给定数据类型）”

如果我尝试将上面的光栅砖转换为一组单独的光栅图像

这些图像都没有任何意义。

这也有点令人费解，如果我尝试写为多波段 CDF 图像，我会收到一组不同的 rgdal 错误警告消息：

在这里，我不确定发生了什么？

如果有知识的人可以与 gbm 包的作者合作，使其可以直接预测到光栅砖，而不会遇到上述任何问题，那就太好了。

如果有人想知道我在完整栅格网格上使用的代码，请在下面发表评论，我很乐意提供。

欢呼艾伦

在 R 中成功运行 mlogit 模型后，我在尝试获得边际效应时收到错误消息：

我什至尝试按照另一篇文章中的说明更改源代码中的第 16 行，但仍然出现相同的错误。任何帮助，将不胜感激。我所有的变量都不是替代特定的。我有 4 种选择。

以下是网络上发布的类似问题的链接，但我很难使用那里发布的解决方案。 mlogit 在 R 中的边际效应 在此 先感谢

我的响应是一个分类变量（一些字母），所以我在制作模型时使用了 distribution='multinomial'，现在我想根据这些字母预测响应并获得输出，而不是概率矩阵。

然而在 中predict(model, newdata, type='response')，它给出了概率，与 的结果相同type='link'。

有没有办法获得分类输出？

我正在使用numpy.random.multinomial(1,val) NumpyMultinomial，其中 val 是一维 numpy 数组。该函数给出以下错误：

ValueError('sum(pvals[:-1]) > 1.0',)

但是，我使用检查了输入数组 val 的总和，val.sum()它的总和正好为 1。我不知道多项式函数是否有一些错误。有人可以帮我解决这个问题。或者，是否有任何其他 python 模块可用于使用多项分布进行采样？

我使用 mlgit() 包在 R 中运行了嵌套 Logit 模型。我现在正在尝试测量边际效应/弹性并继续遇到错误。在这里，我通过修改包作者的小插图重新创建了错误：

我收到以下错误：

当我没有嵌套模型（如常规多项式 Logit）时，这可以正常工作，并且在之前的一些 stackoverflow 问题中已经涵盖了这一点，但是在重新预测更改的数据帧的步骤中特别发生了一些奇怪的事情（在这种情况下意味着框架z）。

我会注意到这里的解决方案：mlogit 在 R 中的边际效应对我没有帮助。

我面临以下问题：我正在尝试在滑动窗口中实现 MNB 分类器。我实现了一个窗口大小的 LinkedList 并存储了必须在其中考虑的所有流实例。当一个不再适合窗口的新实例到达时，第一个实例被删除。为了删除相应的字数，我实现了以下方法，它与 moa 的 trainOnInstanceImpl() 基本相同，只是向后：

现在，如果我输出 m_wordTotalForClass[classValue] 我会在具有 3000 个实例的流上从实例 2000-3000 中获得经典 MNB 的不同结果，与来自窗口大小为 1000 的滑动窗口 MNB（见上文）的结果不同。唯一的区别是它在某些点输出 1 而不是 0，但并非总是如此。我想这与拉普拉斯校正有关。可能 if 语句中的舍入存在问题：

这样我们就不会总是输入设置拉普拉斯值的部分。

有人有想法吗？我有点发疯了，因为我在过去三天一直在思考问题可能出在哪里。任何帮助将不胜感激！

这是我第一次尝试使用多项逻辑回归，我很难开始。我目前有一个包含 203 个观察值的数据集，其中包含 22 个自变量和 1 个因变量，所有这些都是数值和连续的。我的目标是使用 MATLABmnrfit函数来预测因变量落入三个区间之一的未来观察的概率(y<0, 0<y<5, and 5<y)。

我如何将我的数据输入到mnrfit函数中以获得这些结果？我相信我将不得不使用此函数来获取系数，然后使用该mnrval函数来确定未来观察的概率。谢谢您的帮助！

我正在尝试使用 rjags 拟合以下模型，但出现尺寸不匹配错误。该模型在 WinBUGS 中运行良好，我不知道如何更改代码。提前感谢您的帮助。

数据：

链的初始值

模型

错误

jags.model 中的错误（文件 =“model.txt”，数据 = 数据集，inits = inits，：运行时错误：无法将节点插入 y1[1:2,1:2]。尺寸不匹配