Question

我在R中使用pmml包来生成使用glm函数获得的Logistic回归模型的PMML，如下所示：

library(pmml)
var <- sample(c(1,2,3),100,replace = TRUE)
var_cat <- sample(c(1,2,3,4),100,replace = TRUE)
y <- sample(c(0,1),100,replace = TRUE)
df <- data.frame(y = as.factor(y),var = as.factor(var), var_cat = as.factor(var_cat))
model <- glm(y ~ ., data = df, family = binomial)
pmmlOutput <- pmml(model)

此PMML的PPMatrix部分如下所示：

<PPMatrix>
   <PPCell value="2" predictorName="var" parameterName="p1"/>
   <PPCell value="3" predictorName="var" parameterName="p2"/>
   <PPCell value="_cat2" predictorName="var" parameterName="p3"/>
   <PPCell value="2" predictorName="var_cat" parameterName="p3"/>
   <PPCell value="_cat3" predictorName="var" parameterName="p4"/>
   <PPCell value="3" predictorName="var_cat" parameterName="p4"/>
   <PPCell value="_cat4" predictorName="var" parameterName="p5"/>
   <PPCell value="4" predictorName="var_cat" parameterName="p5"/>
</PPMatrix>

第一个变量及其级别显示为（var，2）和（var，3）。但是，第二个变量有两行，变量名称和级别在错误的位置分割。

不是获取（var_cat，2），而是将其拆分为（var，_cat2），如下所示：

<PPCell value="_cat2" predictorName="var" parameterName="p3"/>

这似乎只有在存在重叠变量名称时才会发生（在本例中为var和var_cat）。但是，如果只存在var_cat变量，则可以正常工作。

有人可以提出解决此问题的方法吗？

Answer 1

不幸的是，你是对的;你在R代码中发现了一个错误。

它有效地找到值的方式假设不同的变量名称不是另一个的子串。

由于var是substring的{{1}}，您会收到此错误。请注意，var_cat和var_cat也可能会给您带来同样的问题。另一方面，cat 不 var_cat1 substring，因此应该有效。

目前，最简单的方法是将变量命名为a 变量名不是另一个的子串。幸运的是我们正在计划在接下来的几周内发布一个新版本，我将尝试包含一个修复程序在那个版本中为此。

R中的pmml生成不正确的变量名

1 个答案: