glmnet中的自动插入符号参数调整失败

时间:2017-02-27 14:50:02

标签: r r-caret glmnet

上下文和错误消息

我尝试在插入符号中使用glmnet来拟合两类预测模型。使用插入符默认调整网格时出现错误。我不认为这是由于格式错误的数据,因为,当指定我自己的调整网格时,没有问题。 错误消息是:

Error in loop$lambda[loop$alpha == alph[i]] <- np[which.max(np)] : 
replacement has length zero

当检查发生错误的行时,可以看到R试图在NA的向量which.na()上找到最大np(由caret / glmnet选择的lambda值?)。我没有正确调试这个,因为在调用train()后我无法找到通过每行代码的方法。我希望有经验的人可以帮助我。

最小工作示例

我创建了一个最小的工作示例,使我的数据集尽可能小(从~200行和~40列开始),同时保留错误。请注意,manualModelFit工作正常,但无法计算modelFit

library(caret)
library(glmnet)
# create data frame of features
var1 <- c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1)
var2 <- c(1,1,1,1,1,0,1,1,1,1,1,0,1,1,0,1,1)
trainData <- data.frame(v1 = var1, v2 = var2)
# create fature vector of outcomes
trainClass <- as.factor(c('event','event','event','event','event','event','event','event','event','event','nonEvent','event','event','event','event','event','nonEvent'))
# set k for k-fold CV
kInner = 5
# set randomization seed
mySeed = 1622017
# set options for caret in fitControl
fitControl <- trainControl( method = 'cv', number = kInner, classProbs = TRUE, allowParallel = FALSE, summaryFunction = twoClassSummary, verboseIter = FALSE)
# run parameter tuning with a user-specified tuning grid
set.seed(mySeed)
myTuneGrid <- expand.grid(alpha = c(0,0.5,1), lambda = c(0,0.5,1))
manualModelFit <- train(x = trainData, y = trainClass, method = 'glmnet' , trControl = fitControl, metric = 'ROC', tuneGrid = myTuneGrid)
# run default parameter tuning
set.seed(mySeed)
modelFit <- train(x = trainData, y = trainClass, method = 'glmnet' , trControl = fitControl, metric = 'ROC')

问题

导致失败的原因是什么? 这是Caret / glmnet中的错误还是由于我忽略了数据集的属性?我分析的多个数据集中会出现此错误。

2 个答案:

答案 0 :(得分:5)

确实,问题在于tuneGrid。在train.default的第225行,有代码

tuneGrid <- models$grid(x = x, y = y, len = tuneLength, 
            search = trControl$search)

为你的例子给我

  alpha lambda
1  0.10     NA
2  0.55     NA
3  1.00     NA
Warning messages:
1: In lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  :
  one multinomial or binomial class has fewer than 8  observations; dangerous ground
2: from glmnet Fortran code (error code -2); Convergence for 2th lambda value not reached after maxit=100000 iterations; solutions for larger lambdas returned 

显然,lambda的NA&#39}会在稍后的循环中产生。 models$grid是以下功能:

findGrid <- function (x, y, len = NULL, search = "grid") {
    if (search == "grid") {
        numLev <- if (is.character(y) | is.factor(y)) 
            length(levels(y))
        else NA
        if (!is.na(numLev)) {
            fam <- ifelse(numLev > 2, "multinomial", "binomial")
        }
        else fam <- "gaussian"
        init <- glmnet(as.matrix(x), y, family = fam, nlambda = len + 
                        2, alpha = 0.5)
        lambda <- unique(init$lambda)
        lambda <- lambda[-c(1, length(lambda))]
        lambda <- lambda[1:min(length(lambda), len)]
        out <- expand.grid(alpha = seq(0.1, 1, length = len), 
                           lambda = lambda)
    }
    else {
        out <- data.frame(alpha = runif(len, min = 0, 1), lambda = 2^runif(len, 
                                                                           min = -10, 3))
    }
    out
}

我将其重命名为findGrid。如果使用findGrid(trainData, trainClass, 3)运行它,您应该得到相同的警告和错误的网格。在这个二进制场景中,它所做的就是:

init <- glmnet(as.matrix(x), y, family = "binomial", nlambda = len + 2, alpha = 0.5)
lambda <- unique(init$lambda) # contains one value, 
lambda <- lambda[-c(1, length(lambda))]
lambda <- lambda[1:min(length(lambda), len)]
out <- expand.grid(alpha = seq(0.1, 1, length = len), 
                   lambda = lambda)

现在,在lambda <- unique(init$lambda)之后,lambda只包含一个9.9e+35的值。因此,随后指数的任何目标都不再有效,而是会创建NA。增加glmnet中的迭代次数并没有避免错误。因此,让我们跳过这些行并使用获得的网格,看看是否能解决问题。

init <- glmnet(as.matrix(x), y, family = "binomial", nlambda = len + 2, alpha = 0.5)
lambda <- unique(init$lambda) # contains one value, 
out <- expand.grid(alpha = seq(0.1, 1, length = len), lambda = lambda)
modelFit <- train(x = trainData, y = trainClass, method = 'glmnet' , trControl = fitControl, metric = 'ROC', 
                  tuneGrid = out) # <-- use the tuneGrid we made

哪个运行但也给了我17个警告,所有形式:

Warning messages:
1: In eval(expr, envir, enclos) :
  model fit failed for Fold1: alpha=0.10, lambda=9.9e+35 Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  : 
  one multinomial or binomial class has 1 or 0 observations; not allowed

因此,您必须找到一种方法来制作合适的网格。这可以通过某种方式修复glmnet或进行一些猜测/反复试验来完成。但是,我在这个答案中寻找调谐网格的方法时犹豫不决,因为它很可能是一个特定于数据的问题。一个起点是看你的完整数据集在某些类别中是否也有很少的观察结果。

此外,要自己调试,最简单的方法是调用View(caret:::train.default)来查看该功能。 :::从隐藏的命名空间导入它。接下来,您可以将所有代码复制到train2函数中,并使用浏览器语句逐行调试代码(至少,这就是我所做的)。 R找不到的任何其他函数也必须以caret:::为前缀。

答案 1 :(得分:2)

我遇到同样的问题,我以为我会分享我的解决方案。正如@Vandenman所提到的,你需要一种制作合适网格的方法。这对我有用。基本上如果你增加你在init <- glmnet(...)步骤中尝试的lambda的数量,你至少会得到一些不会失败的lambdas。我刚刚选择了52(我打赌这个数字对你有用,但你总是可以改变它,而我的情况下计算时间可以忽略不计)。然后你选择len均匀分布在没有失败的那些上。

my_glmnet <- getModelInfo("glmnet") %>% magrittr::extract2("glmnet")
my_glmnet$grid <- function (x, y, len = NULL, search = "grid") {
  if (search == "grid") {
    numLev <- if (is.character(y) | is.factor(y)) 
      length(levels(y))
    else NA
    if (!is.na(numLev)) {
      fam <- ifelse(numLev > 2, "multinomial", "binomial")
    }
    else fam <- "gaussian"
    init <- glmnet(as.matrix(x), y, family = fam, nlambda = 52, alpha = 0.5)
    lambda <- unique(init$lambda)
    lambda <- lambda[-c(1, length(lambda))]
    l_seq <- seq(1, length(lambda), length = len) %>% round %>% unique
    lambda <- lambda[l_seq]
    out <- expand.grid(alpha = seq(0.1, 1, length = len), 
                       lambda = lambda)
  }
  else {
    out <- data.frame(alpha = runif(len, min = 0, 1), lambda = 2^runif(len, 
                                                                       min = -10, 3))
  }
  out
}

然后,您可以train运行method = my_glmnet