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)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。