Question

R_blogger提供以下代码，我的添加内容被注释掉，因为它们不起作用;我正在寻找一种方法来保存迭代逻辑回归中的系数向量和p值，这样我就可以修剪一直没有得分的变量。

predictions <- foreach(m=1:iterations,.combine=cbind) %do% {
  training_positions <- sample(nrow(training2), size=floor((nrow(training2)/length_divisor)))
  train_pos<-1:nrow(training2) %in% training_positions
  glm_fit <- glm(default~. ,data=training2[train_pos,],family=binomial(logit), 
                 type=response, control = list(maxit = 25))
  predict(glm_fit,newdata=testing)
  #pvalues <- summary(glm_fit)$coeff[-1,4] < 0.0001
  #coeffs <- summary(glm_fit)$coeff[-1,3] 
  }
probs <- rowMeans(predictions)

我希望能够检索与预测类似的系数和p值的对象

Answer 1

NB 此回复已根据评论中的交换进行了修改。

所以这里有几件事情。

我假设您提供的数据集training应与代码中的training2相同。此数据集中的第一列是id，您的代码将包含该值作为拟合中的参数。这就是你想要的吗？
用于提取行样本的代码不必要地复杂。您生成1和nrow(training2)之间的整数样本，并从中生成带length=nrow(training2)的逻辑向量。您不需要这样做：只需使用整数向量来索引training2。它的很多更快，特别是对于这么大的数据集。
当尝试使用如此大量的参数（> 1400）时，glm(...)似乎想要对均值进行初始估计。我没有把时间花在上面，而是将模型限制在前9个参数中（第2:10列）。
在type=predict的调用中使用glm(..)会影响权重的使用方式。您没有使用权重，因此此参数不执行任何操作。
但是，在致predict(...)时，需要指定type="predict"。
使用maxit = 25通常意味着拟合没有收敛，因此您需要对此进行试验。
在我尝试的一小组迭代中，没有一个系数有p<0.0001，所以我为了这个例子而将截止值改为0.1。
最后，使用下面代码中的return(list(...))，并将.combine=cbind更改为.combine=rbind，返回一个列表对象数组，其中每个行对应于迭代，第1列具有该迭代的预测向量，第2列具有该迭代的p值向量，第3列具有该迭代的系数向量。

以下是代码：

library(foreach)
set.seed(1)
training2      <- training
length_divisor <- 1000
iterations     <- 5
predictions <- foreach(m=1:iterations,.combine=rbind) %do% {
  training_positions <- sample(nrow(training2), 
                               size=floor((nrow(training2)/length_divisor)))
#  train_pos<-1:nrow(training2) %in% training_positions
  glm_fit <- glm(default~ . ,
                 data=training2[training_positions,c(2:10,ncol(training2))],
                 family=binomial(logit),
                 control = list(maxit = 25))
  pr <- predict(glm_fit,
                newdata=training2[sample(1:nrow(training2),10),], 
                type="response")
  s <- summary(glm_fit)
  p <- s$coeff[,4]
  c <- s$coeff[,1]
  pvalues <- p[p<0.1]
  coeffs  <- c[p<0.1]
  return(list(pr,pvalues,coeffs))
}
predictions
#          [,1]       [,2]      [,3]     
# result.1 Numeric,10 Numeric,0 Numeric,0
# result.2 Numeric,10 Numeric,0 Numeric,0
# result.3 Numeric,10 Numeric,2 Numeric,2
# result.4 Numeric,10 Numeric,0 Numeric,0
# result.5 Numeric,10 Numeric,0 Numeric,0

因此，在此安排中，predictions[,1]是所有预测向量的列表，prediction[,2]是每个迭代的所有p值<0.1的列表，prediction[,3]是每次迭代的p值<0.1的所有系数的列表。

装箱物流回归

1 个答案: