在R泊松回归中结合使用CARET和GAM（“ gamSpline”方法）

Question

我正在尝试使用插入符号包来调整gam模型的'df'参数，以进行同类群组分析。

带有以下数据：

cohort = 1:60
age = 1:26
grid = data.frame(expand.grid(age = age, cohort = cohort))
size = data.frame(cohort = cohort, N = sample(100:150,length(cohort), replace = TRUE))
df = merge(grid, size, by = "cohort")

log_k = -3 + log(df$N) - 0.5*log(df$age) + df$cohort*(df$cohort-30)*(df$cohort-50)/20000 + runif(nrow(df),min = 0, max = 0.5)
df$conversion = rpois(nrow(df),exp(log_k))

数据说明 ：同类群组是潜在客户的到达时间。 N是当时到达的潜在客户数。 转化是指那些“转化”（购买了某些东西）的潜在客户的数量。 年龄是发生转化的同类群组的年龄（从到达起花费的时间）。 对于给定的同类群组，随着年龄的增长，转化次数会减少。 该效应遵循幂定律。 但是，每个同类群组的总转化率也会随着时间（同类群组数量）而缓慢变化。 因此，我需要模型中时间变量的平滑样条。

我可以从gam包中安装一个gam模型

library(gam)
fit = gam(conversion ~ log(N) + log(age) + s(cohort, df = 4), data = df, family = poisson)
fit
> Call:
> gam(formula = conversion ~ log(N) + log(age) + s(cohort, df = 4), 
> family = poisson, data = df)

> Degrees of Freedom: 1559 total; 1553 Residual
> Residual Deviance: 1869.943 

但是如果我尝试使用CARET套件训练模型

library(caret)
fitControl = trainControl(verboseIter = TRUE)
fit.crt = train(conversion ~ log(N) + log(age) + s(cohort,df),
            data = df, method = "gamSpline",
            trControl = fitControl, tune.length = 3, family = poisson)

我收到此错误：

+ Resample01: df=1 
model fit failed for Resample01: df=1 Error in as.matrix(x) : object 'N' not found

- Resample01: df=1 
+ Resample01: df=2 
model fit failed for Resample01: df=2 Error in as.matrix(x) : object 'N' not found  .....

请问有人知道我在做什么错吗？

谢谢

Answer 1

您的代码有两件事。

1. train功能可能会有些乏味，具体取决于您使用的方法（您已经注意到）。 在method = "gamSpline"的情况下， train函数将平滑项添加到公式中的每个独立项 。 因此它将变量转换为s(log(N), df) ， s(log(age) df)和s(s(cohort, df), df) 。 等待s(s(cohort, df), df)确实没有道理。 因此，您必须将s(cohort, df)更改为cohort 。

2. 我不确定为什么，但是当您在公式中放置函数（例如log ）时，使用method = "gamSpline"的train不喜欢它。 我认为这是由于该方法已经将s()函数应用于您的变量。 可以通过将日志更早地应用于变量来解决此问题。 例如df$N <- log(df$N)或logN <- log(df$N)并使用logN作为变量。 当然， age也一样。

我的猜测是，您不希望此方法根据您提供的代码将平滑项应用于所有自变量。 我不确定这是否可能，以及如何做到。

希望这可以帮助。

编辑：如果您想要比我在第2点提供的解决方案更优雅的解决方案，请确保阅读@topepo的注释。 如果我正确理解，此建议还允许您将s()函数应用于所需的变量。