是否有一个 R 函数可以对多个估算数据集执行 LASSO 回归并将结果汇总在一起？答案

【问题标题】：Is there an R function that performs LASSO regression on multiple imputed datasets and pools results together?是否有一个 R 函数可以对多个估算数据集执行 LASSO 回归并将结果汇总在一起？
【发布时间】：2019-06-14 09:03:00
【问题描述】：

我有一个包含 60 个变量的 283 个观察值的数据集。我的结果变量是二分类的（诊断），可以是两种疾病中的任何一种。我正在比较两种经常表现出很多重叠的疾病，并且我试图找到可以帮助区分这些疾病的特征。我知道 LASSO 逻辑回归是解决这个问题的最佳方法，但是它不能在不完整的数据集上运行。

所以我用 R 中的 MICE 包估算了我的缺失数据，发现大约 40 次估算对于我拥有的缺失数据量是有好处的。

现在我想对所有 40 个估算数据集执行 lasso 逻辑回归，但不知何故，我被困在需要汇集所有这 40 个数据集的结果的部分。

来自 MICE 的 with() 函数在 .glmnet 上不起作用

# Impute database with missing values using MICE package:

imp<-mice(WMT1, m = 40)

#Fit regular logistic regression on imputed data

imp.fit <- glm.mids(Diagnosis~., data=imp, 
                    family = binomial)
# Pool the results of all the 40 imputed datasets:

summary(pool(imp.fit),2)

使用 glm() 的逻辑回归似乎可以正常工作，但是当我尝试上面的确切方法来执行 Lasso 回归时，我得到：

# First perform cross validation to find optimal lambda value:

CV <- cv.glmnet(Diagnosis~., data = imp,
                     family = "binomial", alpha = 1, nlambda = 100)

当我尝试执行交叉验证时，我收到以下错误消息：

 Error in as.data.frame.default(data) : 
    cannot coerce class ‘"mids"’ to a data.frame

有人可以帮我解决这个问题吗？

【问题讨论】：

我似乎记得mice 要求该方法返回一个协方差矩阵（检查文档以确认）；套索没有这个。我想你可以手动遍历估算的数据集，运行套索，然后想办法结合预测等。
@user20650，感谢您的回复。通过遍历它们，您的意思是我应该使用函数 complete() 提取所有估算的数据集（在我的情况下为 40 个），然后对已完成的 40 个数据集中的每一个执行套索？当我这样做时，我如何结合预测？我不能只是平均输出？
我不知道，但我读过各种组合预测的方法，但我从未做过（或考虑过）这个。 ps 快速搜索到mami.r-forge.r-project.org，它可能会提供一些替代（乍一看，手册中有一个关于套索的部分）。
@user20650 我遇到了那个 mami 包，老实说（我对 R 很陌生）我不明白输出：Mami它向我展示了“估计”列表，而不是我期望 LASSO 的输出。你能帮我解决这个问题吗，我现在很困.. :(
没人能帮忙吗？？

标签： r regression imputation r-mice lasso-regression

【解决方案1】：

一个想法：考虑对 40 个数据集的每一个进行分析。然后，将每个变量中选择的变量存储在矩阵中。然后，设置一些阈值（例如，在 >50% 的数据集中选择）。

【讨论】：