预测 glmnet() 的问题：“对比只能应用于具有 2 个或更多级别的因素”答案

【问题标题】：Problem predicting glmnet(): "contrasts can be applied only to factors with 2 or more levels"预测 glmnet() 的问题：“对比只能应用于具有 2 个或更多级别的因素”
【发布时间】：2021-01-24 02:51:53
【问题描述】：

我使用 R 的 glmnet 包训练了一个惩罚回归模型，并使用 sparse.model.matrix 构造了一个 X，其公式为“~ . * (var1)”，以从我的数据中获取每个术语并与 var1 交互：

X3 <- sparse.model.matrix(object = ~.*(var1), data = X)[,-1]

cv_lasso  <- cv.glmnet(x = X3, y = Y3, 
                       alpha = 1,
                       nfold = 10,
                       family = "binomial",
                       nlambda = 100,
                       lambda.min.ratio=0.001,
                       type.measure="auc",
                       keep = TRUE,
                       parallel = TRUE)

现在，我正在尝试预测几个数据点，但是当将 newX 转换为 model.matrix 以与 predict.glmnet() 一起使用时，如下所示：

X_pred <- sparse.model.matrix(object = ~.*(var1), data = X_holdout)
predict(object =  cv_lasso,
        newx = X_pred,
        s = "lambda.min")

但我收到以下错误：

contrasts<-(*tmp*, value = contr.funs[1 + isOF[nn]]) 中的错误：对比只能应用于具有 2 个或更多级别的因素

我相信这可能是由于 X_holdout 中的几列基本保持不变（这是正确的，因为我现在正在尝试预测，我已经成功训练了）。

如何避免这个问题？我的理解是，由于我使用交互来训练我的模型，因此我必须在我的预测中创建一个具有相同交互的模型矩阵。

【问题讨论】：

标签： r sparse-matrix glmnet

【解决方案1】：

找到了我的问题的根源：一些预测 X 列是恒定的，因为保留数据明显小于训练数据。

为了解决这个问题，我需要使用“xlevs”参数为训练数据和预测数据创建稀疏矩阵，并且两者都具有相同的 xlev。

如果您不知道“xlev”是什么，它基本上是一个字符向量列表，指示在将因子变量扩展为虚拟/单热列时要使用的级别。这样，即使您有一列只有 1 个值，sparse.matrix.model() 也可以理解还有更多级别，只是它们不存在于数据中。此参数还将帮助您确保训练矩阵和预测矩阵具有相同的列数，这对于 predict.glmnet() 很重要

【讨论】：