Question

以此案例（逻辑回归的经典螃蟹数据）：

> library(glmnet)
> X <- read.table("http://www.da.ugent.be/datasets/crab.dat", header=T)[1:10,]
> Y <- factor(ifelse(X$Sa > 0, 1, 0))
> Xnew <- data.frame('W'=20,'Wt'=2000)
> fit.glmnet <- glmnet(x = data.matrix(X[,c('W','Wt')]), y = Y, family = "binomial")

现在我想预测来自Xnew的新值：

根据docs，我可以使用predict.glmnet：

输入

需要的预测类型。输入＆＃34;链接＆＃34;给出线性预测变量   for＆＃34; binomial＆＃34;，＆＃34; multinomial＆＃34;，＆＃34; poisson＆＃34;或＆＃34;考克斯＆＃34;楷模;对于   ＆＃34;高斯＆＃34;它给出了拟合值的模型。输入＆＃34;响应＆＃34;给   ＆＃34;二项式＆＃34;的拟合概率或＆＃34; multinomial＆＃34;，[...]

所以这就是我的所作所为：

> predict.glmnet(object = fit.glmnet, type="response", newx = as.matrix(Xnew))[,1:5]
        s0         s1         s2         s3         s4 
-0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386 
> predict.glmnet(object = fit.glmnet, type="link", newx = as.matrix(Xnew))[,1:5]
        s0         s1         s2         s3         s4 
-0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386

link作为response预测的值相同，这不是我所期望的。使用predict似乎给了我正确的值：

> predict(object = fit.glmnet, type="response", newx = as.matrix(Xnew))[,1:5]
       s0        s1        s2        s3        s4 
0.3000000 0.2835386 0.2678146 0.2528080 0.2384968 
> predict(object = fit.glmnet, type="link", newx = as.matrix(Xnew))[,1:5] 
        s0         s1         s2         s3         s4 
-0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386

这是一个错误，还是我以错误的方式使用predict.glmnet？

Answer 1

在数据包glmnet中，您的对象属于lognet类：

> class(object)
[1] "lognet" "glmnet"

这就是为什么你没有使用predict.glmnet得到正确的结果，而type="response"在内部不支持predict.lognet，但如果你使用> predict.lognet(object = fit.glmnet, newx = as.matrix(Xnew), type="response")[,1:5] s0 s1 s2 s3 s4 0.3000000 0.2835386 0.2678146 0.2528080 0.2384968 > predict.lognet(object = fit.glmnet, newx = as.matrix(Xnew), type="link")[,1:5] s0 s1 s2 s3 s4 -0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386，你会得到它：

predict

无论如何，我建议您使用java -Djetty.port=9999 -jar start.jar，并让R在内部解决使用哪个功能。

希望它有所帮助。

predict.glmnet（）为type =＆＃34; link＆＃34;提供相同的预测。和＃34;回应＆＃34;使用family =＆＃34;二项式＆＃34;

1 个答案: