【问题标题】:predict() with arbitrary coefficients in rpredict() 在 r 中具有任意系数
【发布时间】:2014-09-06 00:06:22
【问题描述】:

我有一些由非 r 用户设置的 logit 模型的系数。我想将这些系数导入 r 并在与我自己的模型相同的数据集(ROC 和混淆矩阵)上生成一些拟合优度估计。我的第一个想法是使用类似的东西将系数强制转换为现有的 GLM 对象

summary(fit)$coefficients[,1]

或

summary(fit)$coefficients

其中 y 和 x 是包含我试图用来预测和拟合的系数的矩阵,它是先前创建的适合数据集的虚拟 glm 对象。当然,这只会给我错误。

有没有办法将任意系数向量传递给 predict() 函数或在模型中指定系数?我可以通过将向量传递给 GLM 中的偏移参数来以某种方式强制执行此操作吗?谢谢

编辑:如 cmets 中所述,使用任意系数没有太多统计基础。我有一个商业伙伴,他/她认为他/她“知道”正确的系数,我正试图根据这些估计值与适当模型生成的系数来量化预测能力的损失。

Edit2:根据 BondedDust 的回答,我能够强制系数,但是无法清除由于强制而返回的 predict() 错误消息,看起来 predict.lm,由 predict 调用, 还查看系数的等级,这是导致错误的原因。

【问题讨论】:

  • 作为对this question 的回应,我创建了一个makeglm() 函数,听起来它在这种情况下很有用。如果您提供了更具体的示例,我们或许可以尝试一下。
  • @Stencil 您可以通过将数据中的相关变量乘以给定的系数来手动计算预测值吗?例如,coefVector %*% t(cbind(1, dataVariables))。 (其中 coefVector 是提供的系数向量,datavariables 是相关系数的数据)
  • @BondedDust 抱歉,周末不在电脑上——从现在开始我会及时更新。
  • @user20650 这似乎是最简单的解决方案。但是,我需要将一些因素转换为虚拟变量。
  • 没错 - model.matrix 会让这一切变得简单。

标签: r glm predict


【解决方案1】:

这不是对您发布的问题的回答(BondedDust 回答了该问题),而是描述了一种自行计算预测概率的替代方法,在这种情况下可能会有所帮助。

# Use the mtcars dataset for a minimum worked example
data(mtcars)

# Run a logistic regression and get predictions 
mod <- glm(vs ~ mpg + factor(gear) + factor(am), mtcars, family="binomial")
p1 <- predict(mod, type="response")

# Calculate predicted probabilities manually
m <- model.matrix(~ mpg + factor(gear) + factor(am), mtcars)[,]
p2 <- coef(mod) %*% t(m)
p2 <- plogis(p2)

all(p1 == p2)
#identical(as.numeric(p1), as.numeric(p2))

您可以将coef(mod) 替换为给定的系数向量。 model.matrix 将生成计算所需的虚拟变量 - 检查顺序是否与系数向量的顺序相同。

【讨论】:

  • 如果我想基于概率模型进行预测(即glm 命令中的family = binomial(link = "probit")),我将如何更改上述内容(即plogis(p2))?
  • @rp1 ;我不确定 - 概率链接的公式是什么? (如plogis == 1/(1+e(-xb)))。我认为你会使用pnorm函数(pnorm(p2)),但最好在stats.stackexchange.com/questions询问
  • @rp1 ;好的,只是通过示例,将链接更改为 probit :family=binomial("probit") 和 p2 &lt;- pnorm(p2) ,然后是 all.equal(p1, as.numeric(p2), check.attributes = FALSE) ,所以似乎 pnorm 是要走的路
  • @user20650:非常感谢。我也进行了一些测试,可以确认p2 &lt;- pnorm(p2) 是正确的方法。感谢您的快速回复!
【解决方案2】:

如果您通过predict.glm 将对象传递给predict.lm 的代码,看起来需要更改的模型列表的节点确实是fit$coefficients。但是,更改 summary()-object 将没有效果。 glm 和 lm 对象中的[['coefficients']] 不是具有列的矩阵:'Estimate'、'Std. Error', 't value', 'Pr(>|t|)' 比如summary产生的,而只是一个系数向量。

 fit$coefficients <- y
 newpred <- predict(fit)

如果您需要进一步使用fit,您可以制作一份副本并进行处理。

【讨论】:

  • 这行得通。非常感谢。这有点像 hack,因为 glm 对象的其余部分(Pvalues 等)现在不匹配,但我能够成功地通过 predict()。
  • 从头开始,似乎我将 fit 错误地传递给 predict 。 >pred [.data.frame(beta, piv) 中的错误:选择了未定义的列此外:警告消息:在预测中。 lm(object, newdata, se.fit, scale = 1, type = ifelse(type == : 来自秩不足拟合的预测可能会产生误导
  • 这绝对是一个 hack,但这绝对是你想要的。您使用的方法没有真正的统计依据。我不知道你在哪里解决这个问题。您应该 A) 首先发布数据示例,并且 B) 使用编辑过程更新您的问题,而不是对我的答案发表评论。
【解决方案3】:

或者,你可以使用这样的东西:

适合

fit$coefficients

Y_hat_new

如果按照model.matrix路线,结果应该是一样的。

【讨论】:

    猜你喜欢
    • 2016-05-28
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2019-08-08
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多