Question

我使用lars模型并将其应用于包含数字数据和因子的大型数据集（75个要素）。

我通过

训练模型

mm <- model.matrix(target~0+.,data=data)
larsMod <- lars(mm,data$target,intercept=FALSE)

这样可以提供漂亮的样本内拟合。如果我通过

将其应用于testdata

mm.test <- model.matrix(target~0+.,,data=test.data)
predict(larsMod,mm.test,type="fit",s=length(larsMod$arc.length))

然后我收到错误消息

Error in scale.default(newx, object$meanx, FALSE) : 
  length of 'center' must equal the number of columns of 'x'

我认为它与数据集中因子水平不同这一事实有关。然而

which(! colnames(mm.test) %in% colnames(mm) )

给出一个空的结果而

which(! colnames(mm) %in% colnames(mm.test) )

给出3个意义。因此，3个因子水平确实出现在训练集中但不出现在测试集中。为什么这会导致问题？我怎么解决这个问题？

代码打击用玩具示例说明了这一点。在测试数据集中，因子没有级别＆＃34; l3＆＃34;。

require(lars)

data.train = data.frame( target = c(0,1,0,1,1,1,1,0,0,0), f1 = rep(c("l1","l2","l1","l2","l3"),2), n1 = rep(c(1,2,3,4,5),2))
test.data = data.frame(f1 = rep(c("l1","l2","l1","l2","l2"),2),n1 = rep(c(7,4,3,4,5),2) )

mm <- model.matrix(target~0+f1+n1,data = data.train)
colnames(mm)
length(colnames(mm))
larsMod <- lars(mm,data.train$target,intercept=FALSE)

mm.test <- model.matrix(~0+f1+n1,data=test.data)
colnames(mm.test)
length( colnames(mm.test) )
which(! colnames(mm.test) %in% colnames(mm) )
which(! colnames(mm) %in% colnames(mm.test) )

predict(larsMod,mm.test,type="fit",s=length(larsMod$arc.length))

Answer 1

我可能会离这里很远，但在我的领域中，如果无法找到预期的变量，那么预测并不起作用。所以我尝试了如果我将模型矩阵强制为0而不是测试数据中的因子（f1l3）。

注1：我在testdata中创建了一个目标变量，因为我无法让你的代码运行

set.seed(123)
test.data$target <- rbinom(nrow(test.data),1,0.2)


#proof of concept:
mm.test <- model.matrix(target~0+f1+n1,data=test.data)
mm.test1 <- cbind(f1l3=0,mm.test)

predict(larsMod,mm.test1[,colnames(mm)],type="fit",s=length(larsMod$arc.length)) #runs
#runs!

现在概括为允许创建一个完整的＆＃39;模型矩阵当testdata中缺少因素时。

#missing columns
mis_col <- setdiff(colnames(mm), colnames(mm.test))

#matrix of missing levels
mis_mat <- matrix(0,ncol=length(mis_col),nrow=nrow(mm.test))
colnames(mis_mat) <- mis_col

#bind together
mm.test2 <- cbind(mm.test,mis_mat)[,colnames(mm)] #to ensure ordering, yielded different results in my testing
predict(larsMod,mm.test2,type="fit",s=length(larsMod$arc.length)) #runs

注意2：我不知道如果问题出现相反会发生什么（testdata中存在的因素不在列车数据中）

在testdata上使用带有LARS模型的预测时出现错误消息

1 个答案: