predict.glmnet() 使用 family = "binomial" 对 type = "link" 和 "response" 给出相同的预测答案

【问题标题】：predict.glmnet() gives same predictions for type = "link" and "response" using family = "binomial"predict.glmnet() 使用 family = "binomial" 对 type = "link" 和 "response" 给出相同的预测
【发布时间】：2016-08-19 03:26:37
【问题描述】：

拿这个案例（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

所需的预测类型。类型“链接”给出线性预测器对于“二项式”、“多项式”、“泊松”或“考克斯”模型；为了 “高斯”模型它给出了拟合值。类型“响应”给出 “二项式”或“多项式”的拟合概率，[...]

所以这就是我的工作：

> 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 与 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？

【问题讨论】：

检查拟合模型的类别，然后阅读predict.lognet的代码。

标签： r regression glmnet

【解决方案1】：

在数据包glmnet 中，您的对象属于lognet 类：

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

这就是为什么使用predict.glmnet 没有得到正确结果的原因，它在内部不支持type="response"，但是如果你使用predict.lognet，你会得到它：

> 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

无论如何，我建议你使用predict，并让 R 在内部解析要使用的函数。

希望对你有帮助。

【讨论】：