问题标签 [revoscaler]

我可能在这里找不到答案，因为我不认为这个revoScaleR包被广泛使用。

如果我使用它创建一个 GLMrxGlm()就可以了。然而，可用的模型残差rxPredict()似乎只是“原始”残差，即观察值减去拟合值。各种转换版本（偏差残差、皮尔逊残差等）似乎不可用。

有谁知道是否有办法实现这一目标？我可以glm()通过使用（使用相同的公式、数据、误差结构、链接函数、权重）再次运行模型并使用 来获得模型的偏差残差（例如）residuals(glm_object, type = "deviance")，但这很麻烦，因为glm()运行速度非常慢（大型数据集，很多模型参数）。

谢谢。

编辑：包括我试图遵循的文献中的指导：

我在 R 中安装了很多 GLM。通常我使用revoScaleR::rxGlm()它是因为我使用大型数据集并使用非常复杂的模型公式 - 而且glm()无法应对。

在过去，这些都是基于泊松或伽马错误结构和日志链接功能。这一切都很好。

今天我正在尝试建立一个逻辑回归模型，这是我以前在 R 中没有做过的，我偶然发现了一个问题。我正在使用revoScaleR::rxLogit()虽然revoScaleR::rxGlm()产生相同的输出 - 并且有同样的问题。

考虑这个代表：

第一次调用glm()产生正确的答案。第二次调用rxLogit()没有。阅读以下文档rxLogit()：https ://docs.microsoft.com/en-us/machine-learning-server/r-reference/revoscaler/rxlogit它指出“因变量必须是二进制的”。

所以看起来rxLogit()需要我y用作因变量而不是p. 但是，如果我跑

我得到一个总体平均值

取而代之的是 0.5，这也不是正确答案。

有谁知道我该如何解决这个问题？我是否需要offset()在模型公式中使用一个术语，或者更改权重，或者...

（通过使用这个revoScaleR包我偶尔把自己画成这样的角落，因为似乎没有多少其他人使用它）

我在revoScaleRWindows 10 PC 上运行 RStudio 1.3 和 Microsoft R Client 3.5.2（让我可以访问包）。我现在正在尝试设置自己以共享 Shiny 应用程序，shinyapps.io以便将来可以远程向客户发送各种“小部件”。

我已按照shinyapps.io网站上的说明在 RStudio 中安装 rsconnect 包。安装包正常。但是，然后我被指示运行以下代码来授权该帐户：

（显然我已经隐藏了名称/令牌/秘密的详细信息）

我收到一条错误消息：

错误：HTTP 426 GET https://api.shinyapps.io/v1/users/current/ rsconnect 包已过期。请更新到 CRAN 上可用的最新版本。

发生这种情况是因为通过使用 Microsoft R Client 3.5.2（例如，而不是 R 4.0.0），我无法访问最新版本的包吗？如果是这样，有没有办法解决这个问题？

谢谢你。

我建立了很多 GLM。通常在具有许多模型参数的大型数据集上。这意味着 base R 的glm()函数并不是真正有用，因为它无法处理大小/复杂性，所以我通常使用它revoScaleR::rxGlm()。

但是，我希望能够对嵌套模型对进行 ANOVA 测试，但我还没有找到一种方法来对rxGlm()创建的模型对象执行此操作，因为 R 的anova()函数不适用于它们。revoScaleR提供了一个将对象as.glm()转换为rxGlm()对象的glm()函数 - 有点 - 但它在这里不起作用。

例如：

工作正常，但如果我这样做：

我看到错误消息：

同样的问题出现在之前的 SO 帖子中：Error convert rxGlm to GLM but not似乎已经解决了。

有人可以帮忙吗？如果as.glm()在这里没有帮助，还有其他方法吗？我可以编写一个自定义函数来执行此操作（将我的编码能力扩展到我怀疑的极限！）？

此外，SO 是最好的论坛，还是其他 StackExchange 论坛之一是寻求指导的更好地方？

谢谢你。

我使用 R 在中大型数据集上拟合大量 GLM。我的模型中通常有 500k-1M 行和多达 50 个因子（在简化之前 - 带状或删除不可预测的因子等）

Base Rglm()似乎不能很好地应对这种规模的问题。我可以并且确实使用revoScaleR::rxGlm()，这在这方面要好得多，但这有其自身的问题（不完整的文档，无法使用其他设计用于处理glm对象的 R 函数等）。

有没有我不知道的替代方案？目前这种事情首选的 glm 包是什么？

（我现在确实需要坚持 GLM 框架——我可能会在某个时候分支到其他建模技术——其中当然有很多——但这是以后的一种......）

谢谢。

我一直在尝试对不同的值集进行线性回归，但发现有些奇怪。每当我尝试使用函数 rxLinMod() 进行线性回归时，其中一个系数会被丢弃，而每当我使用 lm() 时，这种情况都不会发生。

给我带来麻烦的数据集是这个：

使用 rxLinMod 后，我得到了这个：

同时， lm() 返回：

我已经确保没有任何变量被视为一个因素，Date 属于 Date 类，而 Values 是一个数字类。我期待一个非常接近 0 的斜率。有谁知道为什么第一个系数会下降？

如果您还有什么想知道的，请随时提问。