从 clogitLasso() 模型中获取预测？答案

【问题标题】：Get predictions from clogitLasso() model?从 clogitLasso() 模型中获取预测？
【发布时间】：2019-01-18 22:21:31
【问题描述】：

我如何从clogitLasso model 获得预测？

它会给我一系列惩罚权重，以及与之相关的协变量系数，但我接下来想做的是选择其中一个权重并使用相关模型进行预测。然后我可以使用AUC 或类似的方式评估模型。

也可以接受使用不同库的建议。

（也有可能被退回到 CrossValidated，但这并不是一个真正的理论问题......）

【问题讨论】：

我们需要一个可重现的例子。见stackoverflow.com/questions/5963269/…。另外，试试glmnet 包。
@hmhensen -- glmnet 没有提供分层，我们需要对案例对照匹配集进行编码。

标签： r logistic-regression prediction

【解决方案1】：

clogitLasso() 没有 predict() 函数，但我想多了。您可以自己将数据与系数进行矩阵乘法。

例如：

首先我们将模拟一些数据。 360 个观察值，180 个病例/对照对。 case 编码为 1/0，set 编号为 180 对。有两个协变量：e1 是噪声，x1 与结果相关联，case。

library("clogitLasso")
set.seed(0)
N <- 360
mm <- data.frame(case=rep(c(1, 0), times=N/2))
mm$set <- rep(1:(N/2), each=2)
mm$e1 <- rnorm(n=N, mean=5, sd=10)
mm$x1 <- mm$case*10 + rnorm(n=N, mean=0, sd=3)

要从 clogitLasso 获得预测，我们需要在将数据放入模型之前自行对协变量（均值 = 0，sd = 1）进行归一化。（否则 clogitLasso 会将系数转换回“原始比例”，这在这里没用。）

mm[, c("e1", "x1")] <- scale(mm[, c("e1", "x1")], center=TRUE, scale=TRUE)

然后构建模型：

model <- clogitLasso(X=as.matrix(mm[, c("e1", "x1")]), y=as.matrix(mm$case), 
    strata=mm$set, standardize=FALSE)

我们需要选择我们想要测试预测的惩罚权重值——这里我们将选择第 10 个，只是因为。

我们将原始输入数据乘以系数（“beta”）来尝试预测原始结果——case 的值：

handMadePredictions <- as.matrix(mm[, c("e1", "x1")]) %*% model$beta[10, ]

这是线性预测器，我们需要将其转换回概率尺度进行预测：

logistic <- function(logOdds) {
  return(exp(logOdds) / (exp(logOdds) + 1))
}

handMadePredictions <- logistic(handMadePredictions)

原始数据 -- case -- 是一系列交替的 1 和 0。我们可以看到，该模型从原始输入中很好地预测了这些结果。通过检查round(handMadePredictions) 或使用混淆矩阵：

table("predicted"=round(handMadePredictions), "Case/control"=mm$case)

         Case/control
predicted   0   1
        0 172  12
        1   8 168

注意，在这个玩具示例中，没有层效应——x1 和 case 之间的关联是相同的，无论 set数据点在。在这种简化的情况下，不需要条件逻辑回归，常规逻辑回归就可以了。但是当存在层效应时，我无法从clogitLasso() 获得合理的预测结果，这是另一个问题。

【讨论】：