Получить прогнозы от модели clogitLasso ()? - PullRequest
Новая
       33

Получить прогнозы от модели clogitLasso ()?

0 голосов
/ 19 января 2019

Как бы я получил прогнозы от clogitLasso model?

Это даст мне последовательность штрафных весов и ковариатных коэффициентов, которые идут с ними, но что я хотел бы сделать дальше, так это выбрать один из этих весов и предсказать, используя связанную модель.Затем я могу оценить модель, используя AUC или что-то подобное.

Также можно открывать для предложений, используя другую библиотеку.

(Открыта также и для возврата в CrossValidated, но этоне совсем теоретический вопрос ...)

1 Ответ

0 голосов
/ 31 января 2019

Для clogitLasso() нет функции predict(), но я обдумывал это. Вы можете самостоятельно выполнить матричное умножение данных на коэффициенты.

Например:

Сначала мы смоделируем некоторые данные. 360 наблюдений, в 180 парах случай / контроль. case кодируется 1/0, а set нумерует 180 пар. Есть два ковариаты: e1 - шум, и x1 связан с результатом, case. 

library("clogitLasso")
set.seed(0)
N <- 360
mm <- data.frame(case=rep(c(1, 0), times=N/2))
mm$set <- rep(1:(N/2), each=2)
mm$e1 <- rnorm(n=N, mean=5, sd=10)
mm$x1 <- mm$case*10 + rnorm(n=N, mean=0, sd=3)

Чтобы получить прогнозы от clogitLasso, нам нужно самостоятельно нормализовать ковариаты (среднее = 0, sd = 1), прежде чем вводить данные в модель. (В противном случае clogitLasso переводит коэффициенты обратно в «исходный масштаб», который здесь бесполезен.) 

mm[, c("e1", "x1")] <- scale(mm[, c("e1", "x1")], center=TRUE, scale=TRUE)

Затем постройте модель: 

model <- clogitLasso(X=as.matrix(mm[, c("e1", "x1")]), y=as.matrix(mm$case), 
    strata=mm$set, standardize=FALSE)

Нам нужно выбрать, для какого значения веса штрафа мы хотим проверить прогнозы - здесь мы выберем 10-е, просто потому что.

И мы умножаем исходные входные данные на коэффициенты («бета»), чтобы попытаться предсказать исходные результаты - значение case: 

handMadePredictions <- as.matrix(mm[, c("e1", "x1")]) %*% model$beta[10, ]

Это линейный предиктор, который нам нужно преобразовать обратно в шкалу вероятностей для предсказания: 

logistic <- function(logOdds) {
  return(exp(logOdds) / (exp(logOdds) + 1))
}

handMadePredictions <- logistic(handMadePredictions)

Исходные данные - case - представляли собой серию чередующихся единиц и нулей. Мы можем видеть, что эта модель достаточно хорошо предсказывала эти результаты, исходя из исходных данных. Либо путем проверки round(handMadePredictions), либо с помощью матрицы путаницы: 

table("predicted"=round(handMadePredictions), "Case/control"=mm$case)

         Case/control
predicted   0   1
        0 172  12
        1   8 168

Обратите внимание , что в этом примере с игрушкой нет эффектов страты - связь между x1 и case одинакова, независимо от того, какие set точки данных В этой упрощенной ситуации нет необходимости в условной логистической регрессии, обычная логистическая регрессия будет работать просто отлично. Но я не смог получить правдоподобных результатов предсказания от clogitLasso(), когда есть эффекты пласта, а это совсем другой вопрос.

...