R - 使用派对套件的自定义拆分规则

Question

这篇文章遵循这个问题： https://stackoverflow.com/questions/31234329/rpart-user-defined-implementation

我对可以使用自定义标准处理树木生长的工具非常感兴趣，这样我就可以测试不同的模型。

我尝试使用 partykit R 包来生长一棵树，其拆分规则由 Cox 模型的负对数似然给出（在 Cox 模型的情况下是对数准似然），并且每个叶子中都拟合了一个 Cox 模型。

正如我理解阅读有关 MOB 函数的小插图一样，有两种方法可以实现我自己的拆分条件，即让 fit 函数返回列表或模型对象。

出于我的目的，我尝试了两种解决方案，但未能使其正常工作。

解决方案 1 ： 返回一个列表对象：

我以"暴民"小插曲中的"乳腺癌数据集"为例。

我试过这个：

cox1 = function(y,x, start = NULL, weights = NULL, offset = NULL, ...,
           estfun = FALSE, object = TRUE){
  res_cox = coxph(formula = y ~ x )
list(
  coefficients = res_cox$coefficients,
  objfun = - res_cox$loglik[2],
  object = res_cox)
}

mob(formula = Surv(time, cens) ~ horTh + pnodes - 1 | age + tsize + tgrade + progrec +
  estrec + menostat , 
    data = GBSG2 ,
    fit = cox1,
    control = mob_control(alpha = 0.0001) )

有一个关于X矩阵奇点的警告，并且暴民函数具有单个节点的树（即使alpha值较小）。

请注意，运行 coxph 函数时 X 矩阵没有奇点问题：

res_cox = coxph( formula = Surv(time, cens) ~ horTh + pnodes  ,
             data = GBSG2 )

解决方案 2 ： 返回一个 coxph.object ：

我试过这个：

cox2 = function(y,x, start = NULL, weights = NULL, offset = NULL, ... ){
  res_cox = coxph(formula = y ~ x )
}
logLik.cox2 <- function(object, ...)
  structure( - object$loglik[2], class = "logLik")
mob(formula = Surv(time, cens) ~ horTh + pnodes - 1 | age + tsize + tgrade + progrec +
  estrec + menostat , 
    data = GBSG2 ,
    fit = cox2,
    control = mob_control(alpha = 0.0001 ) )

所以这次我沿着"progrec"变量进行了拆分：

Model-based recursive partitioning (cox2)
Model formula:
Surv(time, cens) ~ horTh + pnodes - 1 | age + tsize + tgrade + 
progrec + estrec + menostat
Fitted party:
[1] root
|   [2] progrec <= 21: n = 281
|         xhorThno  xhorThyes    xpnodes 
|       0.19306661         NA 0.07832756 
|   [3] progrec > 21: n = 405
|         xhorThno  xhorThyes    xpnodes 
|       0.64810352         NA 0.04482348 
Number of inner nodes:    1
Number of terminal nodes: 2
Number of parameters per node: 3
Objective function: 1531.132
Warning message:
In coxph(formula = y ~ x) : X matrix deemed to be singular; variable 2

我想知道我的解决方案 1 出了什么问题。

我也尝试了类似的事情来解决回归问题并得到相同的结果，以单个叶子结尾：

data("BostonHousing", package = "mlbench")
BostonHousing <- transform(BostonHousing,
                       chas = factor(chas, levels = 0:1, labels = c("no", "yes")),
                       rad = factor(rad, ordered = TRUE))

linear_reg = function(y,x, start = NULL, weights = NULL, offset = NULL, ...,
                  estfun = FALSE, object = TRUE){
  res_lm = glm(formula = y ~ x , family = "gaussian")
  list(
    coefficients = res_lm$coefficients,
    objfun = res_lm$deviance,
    object = res_lm )
}
mob( formula = medv ~ log(lstat) + I(rm^2) | zn + indus + chas + nox +
   + age + dis + rad + tax + crim + b + ptratio, 
     data = BostonHousing ,
     fit = linear_reg)

我还想知道使用变量来"在节点中拟合模型"和"进行拆分"是否没有问题。

提前谢谢你。

我可能会对派对套件功能有其他问题。

Answer 1

您设置的cox1()和linear_reg()函数的问题在于您没有提供估计函数（即分数贡献）。由于这些是选择拆分变量的推理的基础，因此如果未提供这些，则算法根本不会拆分。有关此问题的一些讨论，请参阅最近的答案。

但是对于coxph()对象（与上面链接的讨论中的fitdistr()示例不同），获得这些估计函数或分数非常容易，因为有一种estfun()方法可用。因此，您的cox2()方法是更容易走到这里的途径。

后者无法正常工作的原因是由于coxph()中对拦截的特殊处理。在内部，这总是强制截距进入模型，但随后从设计矩阵中省略第一列。当通过mob()进行接口时，您需要注意不要弄乱它，因为mob()设置了自己的模型矩阵。而且由于您排除了截距，mob()认为它可以估计两个级别的horTh。但事实并非如此，因为在Cox-PH模型中没有识别截距。

在这种情况下（IMO）的最佳解决方案如下：您让mob()设置截距，然后在将模型矩阵传递给coxph()时再次排除它。因为生成的对象有coef()、logLik()和estfun()方法，所以可以使用cox2()函数的简单设置。

包和数据：

library("partykit")
library("survival")
data("GBSG2", package = "TH.data")

安装功能：

cox <- function(y, x, start = NULL, weights = NULL, offset = NULL, ... ) {
  x <- x[, -1]
  coxph(formula = y ~ 0 + x)
}

将 MOB 树拟合到GBSG2数据：

mb <- mob(formula = Surv(time, cens) ~ horTh + pnodes | age + tsize + tgrade + progrec + estrec + menostat, 
  data = GBSG2, fit = cox)
mb
## Model-based recursive partitioning (cox)
## 
## Model formula:
## Surv(time, cens) ~ horTh + pnodes | age + tsize + tgrade + progrec + 
##     estrec + menostat
## 
## Fitted party:
## [1] root: n = 686
##       xhorThyes     xpnodes 
##     -0.35701115  0.05768026  
## 
## Number of inner nodes:    0
## Number of terminal nodes: 1
## Number of parameters per node: 2
## Objective function: 1758.86