我正在尝试弄清楚如何从 caret::train 线性模型中获取置信区间。
我的第一次尝试只是使用通常的 lm 置信区间参数运行预测:
m <- caret::train(mpg ~ poly(hp,2), data=mtcars, method="lm")
predict(m, newdata=mtcars, interval="confidence", level=0.95)
但看起来从 caret::train 返回的对象没有实现这个。
我的第二次尝试是提取最终模型并对其进行预测:
m <- caret::train(mpg ~ poly(hp,2), data=mtcars, method="lm")
fm <- m$finalModel
predict(fm, newdata=mtcars, interval="confidence", level=0.95)
但是我得到了错误
Error in eval(predvars, data, env) : object 'poly(hp, 2)1' not found
深入挖掘,最终模型似乎对公式有一些奇怪的表示,并且正在我的新数据中搜索“poly(hp, 2)1”列,而不是评估公式。 m$finalModel 看起来像这样:
Call:
lm(formula = .outcome ~ ., data = dat)
Coefficients:
(Intercept) `poly(hp, 2)1` `poly(hp, 2)2`
20.09 -26.05 13.15
我应该补充一点,我不只是使用 lm
,因为我使用插入符通过交叉验证来拟合模型。
如何通过 caret::train 从线性模型拟合中获取置信区间?
最佳答案
免责声明:
这是一个可怕的答案,或者也许 caret
包只是对这个特定问题有一个糟糕的实现。在任何一种情况下,它似乎都适合在 their github 上提出问题或希望如果还不存在(希望更多样化的 predict
函数或修复 object$finalModel
中使用的命名)
问题(出现在第二次试验中)源于 caret
包如何在内部处理不同的拟合过程,基本上限制了似乎是清洁和标准化目的的预测功能。
问题:
问题是双重的。
predict.train
不允许预测/置信区间train(...)
输出中包含的finalModel
包含格式异常的公式。
这两个问题似乎源于train
的格式和predict.train
中的用法。首先关注后一个问题,通过查看
formula(m$finalModel)
#`.outcome ~ `poly(hp, 2)1` + `poly(hp, 2)2`)
显然,在运行 train
时执行了一些格式化,因为预期输出将是 mpg ~ poly(hp, 2)
,而输出扩展了 RHS(和添加引号/标签)并更改了 LHS。因此,修复公式或能够使用公式会很好。
查看 caret
包如何在 predict.train
函数中使用它,揭示了下面用于 newdata
输入的代码片段
predict.formula
#output
--more code
if (!is.null(newdata)) {
if (inherits(object, "train.formula")) {
newdata <- as.data.frame(newdata)
rn <- row.names(newdata)
Terms <- delete.response(object$terms)
m <- model.frame(Terms, newdata, na.action = na.action,
xlev = object$xlevels)
if (!is.null(cl <- attr(Terms, "dataClasses")))
.checkMFClasses(cl, m)
keep <- match(row.names(m), rn)
newdata <- model.matrix(Terms, m, contrasts = object$contrasts)
xint <- match("(Intercept)", colnames(newdata),
nomatch = 0)
if (xint > 0)
newdata <- newdata[, -xint, drop = FALSE]
}
}
--more code
out <- predictionFunction(method = object$modelInfo,
modelFit = object$finalModel, newdata = newdata,
preProc = object$preProcess)
对于经验不足的 R
用户,我们基本上看到,model.matrix
是从头构建的,没有使用 formula(m$finalModel) 的输出)
(我们可以使用它!),稍后调用一些函数来根据 m$finalModel
进行预测。查看同一个包中的 predictionFunction
会发现该函数只是调用 m$modelInfo$predict(m$finalModel, newdata)
(对于我们的示例)
最后查看 m$modelInfo$predict
显示以下代码片段
m$modelInfo$predict
#output
function(modelFit, newdata, submodels = NULL) {
if(!is.data.frame(newdata))
newdata <- as.data.frame(newdata)
predict(modelFit, newdata)
}
请注意,modelFit = m$finalModel
和 newdata
是使用上面的输出生成的。另外注意调用predict
不允许指定interval = "confidence"
,这是第一个问题的原因。
解决问题(排序):
有无数种方法可以解决这个问题。一种是使用 lm(...)
而不是 train(...)
。另一种是利用函数的内部结构来创建一个数据对象,它符合奇怪的模型规范,所以我们可以使用 predict(m$finalModel, newdata = newdata, interval = "confidence")
一种按预期工作的方式。
我选择后者。
caretNewdata <- caretTrainNewdata(m, mtcars)
preds <- predict(m$finalModel, caretNewdata, interval = "confidence")
head(preds, 3)
#output
fit lwr upr
Mazda RX4 22.03708 20.74297 23.33119
Mazda RX4 Wag 22.03708 20.74297 23.33119
Datsun 710 24.21108 22.77257 25.64960
函数如下。对于 Nerd ,我基本上从 predict.train
、predictionFunction
和 m$modelInfo$predict< 中提取了
。我不保证此函数适用于每个 model.matrix
构建过程caret
模型的一般情况,但它是一个起点。
caretTrainNewdata
函数:
caretTrainNewdata <- function(object, newdata, na.action = na.omit){
if (!is.null(object$modelInfo$library))
for (i in object$modelInfo$library) do.call("requireNamespaceQuietStop",
list(package = i))
if (!is.null(newdata)) {
if (inherits(object, "train.formula")) {
newdata <- as.data.frame(newdata)
rn <- row.names(newdata)
Terms <- delete.response(object$terms)
m <- model.frame(Terms, newdata, na.action = na.action,
xlev = object$xlevels)
if (!is.null(cl <- attr(Terms, "dataClasses")))
.checkMFClasses(cl, m)
keep <- match(row.names(m), rn)
newdata <- model.matrix(Terms, m, contrasts = object$contrasts)
xint <- match("(Intercept)", colnames(newdata),
nomatch = 0)
if (xint > 0)
newdata <- newdata[, -xint, drop = FALSE]
}
}
else if (object$control$method != "oob") {
if (!is.null(object$trainingData)) {
if (object$method == "pam") {
newdata <- object$finalModel$xData
}
else {
newdata <- object$trainingData
newdata$.outcome <- NULL
if ("train.formula" %in% class(object) &&
any(unlist(lapply(newdata, is.factor)))) {
newdata <- model.matrix(~., data = newdata)[,
-1]
newdata <- as.data.frame(newdata)
}
}
}
else stop("please specify data via newdata")
} else
stop("please specify data data via newdata")
if ("xNames" %in% names(object$finalModel) & is.null(object$preProcess$method$pca) &
is.null(object$preProcess$method$ica))
newdata <- newdata[, colnames(newdata) %in% object$finalModel$xNames,
drop = FALSE]
if(!is.null(object$preProcess))
newdata <- predict(preProc, newdata)
if(!is.data.frame(newdata) &&
!is.null(object$modelInfo$predict) &&
any(grepl("as.data.frame", as.character(body(object$modelInfo$predict)))))
newdata <- as.data.frame(newdata)
newdata
}
关于r - 从 caret::train 获取预测的置信区间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58015605/