Question

我试图对我想要拟合Poisson模型的数据集进行交叉验证。但是，我注意到，当我使用cv.glm时，我从函数cv.glmnet和lambda = 0获得了非常不同的输出。下面是我的基本泊松模型的代码（第一部分是数据集的设置）：

game_soon <- function(game_type, hour){
  ret_vec <- c()
  len_game_type <- length(game_type)
  for(i in 1:len_game_type){
    if(game_type[i] == 'N' && hour[i] >= 16){
      ret_vec <- c(ret_vec, 1)
    }
    else if(game_type[i] == 'D' && hour[i] >= 10 && hour[i] <= 17){
      ret_vec <- c(ret_vec, 1)
    }
    else{
      ret_vec <- c(ret_vec, 0)
    }
  }
  return(ret_vec)
}

wrigley_agg <- read.csv("/Users/eweine/Desktop/myDivvy/export/EWEINE/WR/WRIGLEY_DIVVY/data", header=FALSE)

colnames(wrigley_agg) <- c("Checkouts", "Temp", "Humidity", "Rain_Intensity", 
                           "Rain_Total", "Hour", "DOY", "Weekday", "Cubs_Game")
game_vec <- wrigley_agg$Cubs_Game
hour_vec <- wrigley_agg$Hour
new_column <- game_soon(game_vec, hour_vec)
wrigley_agg$Game_Soon <- new_column

require(glm)
require(boot)


basic_poisson <- glm(Checkouts ~ Weekday + Game_Soon + poly(Hour, 6) + 
poly(Temp, 4) + poly(Rain_Intensity, 4), data=wrigley_agg, family=poisson)

cv_possion <- cv.glm(wrigley_agg, basic_poisson, K=10)

print(cv_possion)

我的输出是：

[1] 958.9232 958.5509

以下是cv.glmnet模型的代码：

x_pois <- model.matrix(Checkouts ~ Weekday + Game_Soon + poly(Hour, 6) + poly(Temp, 4) + 
                                   poly(Rain_Intensity, 4), data=wrigley_agg)
y_pois <- wrigley_agg$Checkouts

cv_lasso_pois <- cv.glmnet(x_pois, y_pois, family="poisson", alpha=1, lambda=seq(1, 0, -1))
no_penalty_cv <- cv_lasso_pois$cvm[cv_lasso_pois$lambda == 0]
print(no_penalty_cv)

我的输出是：

[1] 13.41691

可以找到数据here。

为什么这些价值观如此不同？

Answer 1

这是一个有趣的问题。
cv.glm和cv.glmnet（lambda=0）给出的平均交叉验证错误之间的差异是由于两个命令使用的成本函数不同。
对于泊松模型，cv.glm默认使用平均误差，而cv.glmnet使用偏差。下面我定义了一个函数devi，它根据cv.glm：

的要求计算偏差

library(glmnet)
library(boot)

basic_poisson <- glm(Checkouts ~ Weekday + Game_Soon + poly(Hour, 6) + 
poly(Temp, 4) + poly(Rain_Intensity, 4), data = wrigley_agg, family = 
poisson)

devi <- function(y, eta) {
        deveta = y * log(eta) - eta
        devy = y * log(y) - y
        devy[y == 0] = 0
        mean(2 * (devy - deveta))
} 

set.seed(1)
cv_poisson <- cv.glm(data=wrigley_agg, glmfit=basic_poisson, cost=devi, K = 10)
print(cv_poisson$delta)

估计的（原始的和调整的）平均交叉验证错误现在是：

[1] 13.42184 13.41605

它们非常接近cv.glmnet给出的错误。

输出cv.glm与cv.glmnet

1 个答案: