r - 在 R 中使用 mboost 多项式逻辑回归进行预测

Question

我正在尝试使用 R 中的 mboost 包来应用多项逻辑回归模型。我在网上找到了这个示例，但我在预测函数中添加了“newdata = iris”，以了解预测公式在 mboost 中如何适用于新数据。但是我收到错误。首先是代码:

library(mboost)

### fitting multinomial logit model via a linear array model
X0 <- K0 <- diag(nlevels(iris$Species) - 1)
colnames(X0) <- levels(iris$Species)[-nlevels(iris$Species)]
mlm <- mboost(Species ~ bols(Sepal.Length, df = 2) %O%
            buser(X0, K0, df = 2), data = iris,
          family = Multinomial())
round(predict(mlm, type = "response", newdata = iris), 2)

我收到的错误如下:
[.data.frame(newdata, nm) 中出现错误:选择了未定义的列

我只是在预测中重新使用了虹膜数据作为测试，但以前有人遇到过这个问题吗？

Answer 1

无法对新数据使用predict函数的原因是您在buser()中使用了预定义的设计和惩罚矩阵，即 X0 和 K0。这些不是新数据集的一部分，因此在构建新的预测设计矩阵时不可用。

莎拉·布罗克豪斯 (Sarah Brockhaus) 发帖 solution在 github 上，将 buser 替换为 bols。为此，需要将数据集转换为列表并将新的虚拟添加到该列表。如果确实想用新数据进行预测，则需要保持此虚拟数据不变。另请参阅我在 github 上的帖子.

[编辑] 正如 @Lorcan-Treanor 在他的评论中提到的，bols 所需的因子数量并不总是等于 2。这里它实际上是 nlevels(iris$Species) - 1，即比结果中的类别少一个因子级别。我还相应地更新了我在 github 上的帖子。