如何使用 glmnet 模型作为 mob 功能的节点模型（R 包方）？

【问题标题】：How to use a glmnet model as a node model for the mob function (of the R package party)?如何使用 glmnet 模型作为 mob 功能的节点模型（R 包方）？
【发布时间】：2013-01-28 22:42:04
【问题描述】：

我正在使用R包party的mob函数。我的问题是关于这个函数的model 参数。

我如何定义一个 StatModel 对象（来自包 modeltools） - 我们称之为 glmnetModel - 以便 mob 估计的节点模型是 glmnet 模型（更准确地说我想使用cv.glmnet函数作为glmnetModel的fit槽中的主要估计函数）？

一个困难是正确扩展reweight 函数（可能还有estfun 和deviance 函数？），就像建议的here（第2.1 节）一样。

有人有想法吗？

注意：我看到了一些扩展（对于 SVM：here），但我无法正确使用它们。

非常感谢！

多米尼克

【问题讨论】：

标签： r glmnet party

【解决方案1】：

我不确定 MOB 算法中参数不稳定性测试的推理框架是否适用于 glmnet 或 svm。

假设模型的目标函数（例如，残差平方和或对数似然）在观察中是相加的，因此相应的一阶条件也是相加的。然后，在某些弱规律性条件下，中心极限定理适用于参数估计。这可以扩展到一个功能中心极限定理，MOB中的参数不稳定性测试就是基于这个定理。

如果这些假设不成立，则 p 值可能无效，因此可能导致拆分过多或过少或拆分变量选择有偏差。对于您感兴趣的模型，这是否会在实践中发生，我不知道。您必须检查这一点 - 无论是理论上（这可能很难）还是在模拟研究中。

从技术上讲，mob() 在 partykit 包中的重新实现使得插入新模型变得更加容易。现在需要更少的胶水代码（没有 S4 类）。详情请见vignette("mob", package = "partykit")。

【讨论】：