简单的 glmnet 模型，predict() 导致“lambda[1] 中的错误 - s：二元运算符的非数字参数”

如何解决简单的 glmnet 模型，predict() 导致“lambda[1] 中的错误 - s：二元运算符的非数字参数”

所以我一直在尝试将 predict() 与各种形式的数据帧格式一起使用，但它们似乎不起作用。我已经尝试过 1) 排除因变量，2) 包括带有切片数据的因变量，3) 包括其中包含 NA 值的因变量，以及许多其他事情。

R 4.1.0
R Studio 1.4.1717

下面的代码演示了 3).

library(tidyverse)
library(lubridate)
library(tidymodels)

df <- data.frame(y  = sample(5000000:120000000,100,replace = TRUE),yearr = sample(2015:2021,monthh = sample(1:12,dayy = sample(1:31,replace = TRUE))

rm(df_slice)
df_slice = df |>
  slice(1:50) |>
  select(yearr,monthh,dayy) |>
  mutate(y = NA)

m = linear_reg(mode = 'regression',penalty = varying(),mixture = 0.6) |>
  set_engine("glmnet") |>
  fit(y ~ .,data = df)

predict(m,df_slice)
predict.model_fit(m,df_slice)
predict_raw(m,df_slice)

最后三行代码抛出 Error in lambda[1] - s : non-numeric argument to binary operator 调试消息。我确保 df 和 df_slice 中的所有变量都是数字，但仍然不确定发生了什么。如果我要进行训练测试拆分，我只想获得预测/拟合值以及“未来”值。为什么这不起作用？

解决方法

您正在使用 glmnet，您正在调整的 penalty 是 L2 规范，在 glmnet 中也称为 lambda，请参阅 the help page

如果你设置 penalty = varying() ，你是在一系列 L2 范数上运行 glmnet，当你调用 predict 时，你需要提供一个 lambda 值来预测。因此，对于现在的示例，您不应使用 penalty = varying()，而是提供 lambda 的值：

library(tidyverse)
library(lubridate)
library(tidymodels)

m = linear_reg(mode = 'regression',penalty = 1,mixture = 0.6) %>%
  set_engine("glmnet") %>%
  fit(y ~ .,data = df)

predict(m,df_slice)

否则，您需要调整并找到一个合适的lambda，然后通过它来重新拟合模型：

my_cv = vfold_cv(df)
rec = recipe(y ~.,data=df) %>% prep(training = df,retain=TRUE)
fit = linear_reg(mode = 'regression',penalty = tune(),mixture = 0.6) %>%
  set_engine("glmnet") 

wflow = workflow() %>%
add_recipe(rec) %>%
add_model(fit)

res = wflow %>% tune_grid(my_cv)

best_params = res %>% select_best(metric = "rmse")

m = wflow %>%
  finalize_workflow(best_params) %>%
  fit(data = df)

predict(m,df_slice)