r语言 - error语言 - lognet(x， is.sparse， ix， jx， y， weights， offset，

Question

在插入符号中使用 glmnet 时出错

下面的示例加载库

library(dplyr)
library(caret)
library(C50)

从库 C50 加载流失数据集

data(churn)

创建 x 和 y 变量

churn_x <- subset(churnTest, select= -churn)   
churn_y <- churnTest[[20]]

使用 createFolds(( 在目标变量 churn_y 上创建 5 个 CV 折叠

 myFolds <- createFolds(churn_y, k = 5)

创建训练控件对象：我的控件

myControl <- trainControl(
 summaryFunction = twoClassSummary,
 classProbs = TRUE, # IMPORTANT!
 verboseIter = TRUE,
 savePredictions = TRUE,
 index = myFolds
)

适合 glmnet 型号：model_glmnet

model_glmnet <- train(
  x = churn_x, y = churn_y,
  metric = "ROC",
  method = "glmnet",
  trControl = myControl
)

我收到以下错误

lognet(x， is.sparse， ix， jx， y， weights， offset， alpha， nobs， ： 外来函数调用中的 NA/NaN/Inf (参数 5(另外： 警告消息：In lognet(x， is.sparse， ix， jx， y， weights， offset， alpha， nobs， ： 胁迫引入的 NA

我已经检查过，churn_x变量中没有缺失值

sum(is.na(churn_x))

有谁知道答案？

Answer 1

问题出在模型规范中。如果使用插入符号训练公式接口，则训练将起作用：

train <- data.frame(churn_x, churn_y)
model_glmnet <- train(churn_y ~ ., data = train,
  metric = "ROC",
  method = "glmnet",
  trControl = myControl
)
> model_glmnet$results
  alpha       lambda       ROC      Sens      Spec      ROCSD     SensSD      SpecSD
1  0.10 0.0001754386 0.6958156 0.2845934 0.9123349 0.01855530 0.01616471 0.004002873
2  0.10 0.0017543858 0.7187303 0.2901986 0.9185721 0.01681286 0.01415863 0.005347573
3  0.10 0.0175438576 0.7399174 0.2355121 0.9487161 0.01482812 0.03932741 0.010769455
4  0.55 0.0001754386 0.6988285 0.2901800 0.9121614 0.01907845 0.01312159 0.004200233
5  0.55 0.0017543858 0.7260286 0.2946617 0.9185714 0.01761485 0.02171189 0.006755247
6  0.55 0.0175438576 0.7630039 0.2008939 0.9617103 0.01743847 0.03989938 0.006118592
7  1.00 0.0001754386 0.7009482 0.2924146 0.9119881 0.01958200 0.01233419 0.004157393
8  1.00 0.0017543858 0.7313495 0.2957728 0.9203040 0.01797853 0.02356945 0.008478577
9  1.00 0.0175438576 0.7672690 0.1595779 0.9760892 0.01935176 0.01935583 0.007938801

但是，当您指定x并y它不起作用时，因为 glmnet 以模型矩阵的形式获取x，当您提供公式插入符号时，它将负责 model.matrix 的创建，但如果您只指定x和y那么它将假定x是一个 model.matrix 并将其传递给 glmnet .例如，这有效：

x <- model.matrix(churn_y ~ ., data = train)
model_glmnet2 <- train(x = x, y = churn_y,
                      metric = "ROC",
                      method = "glmnet",
                      trControl = myControl
)
> model_glmnet2$results
  alpha       lambda       ROC      Sens      Spec      ROCSD     SensSD      SpecSD
1  0.10 0.0001754386 0.6958156 0.2845934 0.9123349 0.01855530 0.01616471 0.004002873
2  0.10 0.0017543858 0.7187303 0.2901986 0.9185721 0.01681286 0.01415863 0.005347573
3  0.10 0.0175438576 0.7399174 0.2355121 0.9487161 0.01482812 0.03932741 0.010769455
4  0.55 0.0001754386 0.6988285 0.2901800 0.9121614 0.01907845 0.01312159 0.004200233
5  0.55 0.0017543858 0.7260286 0.2946617 0.9185714 0.01761485 0.02171189 0.006755247
6  0.55 0.0175438576 0.7630039 0.2008939 0.9617103 0.01743847 0.03989938 0.006118592
7  1.00 0.0001754386 0.7009482 0.2924146 0.9119881 0.01958200 0.01233419 0.004157393
8  1.00 0.0017543858 0.7313495 0.2957728 0.9203040 0.01797853 0.02356945 0.008478577
9  1.00 0.0175438576 0.7672690 0.1595779 0.9760892 0.01935176 0.01935583 0.007938801

仅当存在因子特征时才需要model.matrix

Answer 2

如果您想

使用glmnet并得到相同的错误，请这样做！

简短的回答：使用data.matrix()解决了我的问题！

最初，我在做：

# Given X and Y are datframes
cv.glmnet(x = as.matrix(X), y = as.matrix(Y), alpha = 1, family = "binomial")

此问题已由以下方法修复：

cv.glmnet(x = data.matrix(X), y = as.matrix(Y), alpha = 1, family = "binomial")

更长的答案(一点也不长(：

我

遇到了同样的问题，我使用 as.matrix() 传递我的 X 矩阵，如果您碰巧在数据框中有因子，as.matrix()将所有元素转换为所有列的强制类型。使用data.matrix()为我修复了它。 data.matrix()可以处理as.matrix更基本的因子和有序因子。