lmtree 怀疑行为与因素

Question

当我将它与因子一起使用时，我注意到partykit 包中的 lmtree 函数有一个奇怪的行为。如果数据集中不包含某些级别（此处为“c”和“e”），则预测会随机变化......

我猜这意味着 lmtree 仅使用数据集中存在的因素（本例中的“a”和“b”）构建模型，而预测函数考虑了所有因素（“a”、“b”、 c","e")。

那么如何在 lmtree 模型中安全地使用因子？

library(partykit)

df<-data.frame(x=runif(100),y=runif(100),v=sample(c("a","b"),100,replace=T))
df$z<-with(df,ifelse(v=="a",2*y+x,3*x-y))
df$v<-factor(df$v,levels=c("c","e","a","b"))

lmt<-lmtree(z~x+y|v,df)

for (i in 1:10) print(predict(lmt,df,type="node")[1])

如果 lmtree 函数和 predict 函数之间的因子顺序颠倒（从 levels=c("a","b") 更改为 levels=c("b","a") )

Answer 1

感谢您提出这个问题，这是partykit 中的一个错误（直到当前版本 1.2-2）。

问题的根源如下：lmtree() 采用 formula 和 data 并从中构建 model.frame，设置 drop.unused.levels = TRUE。因此，对于v，只有级别"a" 和"b" 被保留，"c" 和"e" 被删除。但是，在predict.party 中不完成了相同的操作，其中在调用model.frame 时未指定drop.unused.levels，因此使用默认的FALSE。然后因子水平之间存在不匹配，导致随机分配。

我将与 Torsten 协调一个固定版本！同样的问题似乎潜伏在其他地方，所以我们需要先做更多的检查。

同时，避免这种情况的最佳方法是在调用lmtree（或partykit 中似乎有相同问题的其他函数）之前删除未使用的级别。