[英]Getting confidence intervals on prediction from caret::train
我试图弄清楚如何从插入符号::train 线性 model 获得置信区间。
我的第一次尝试只是使用通常的 lm 置信区间 arguments 运行预测:
m <- caret::train(mpg ~ poly(hp,2), data=mtcars, method="lm")
predict(m, newdata=mtcars, interval="confidence", level=0.95)
但看起来从 caret::train 返回的 object 没有实现这个。
我的第二次尝试是提取 finalModel 并对此进行预测:
m <- caret::train(mpg ~ poly(hp,2), data=mtcars, method="lm")
fm <- m$finalModel
predict(fm, newdata=mtcars, interval="confidence", level=0.95)
但我得到了错误
Error in eval(predvars, data, env) : object 'poly(hp, 2)1' not found
深入挖掘,似乎最终的 model 对公式有一些奇怪的表示,并且正在我的 newdata 中搜索“poly(hp, 2)1”列,而不是评估公式。 m$finalModel 看起来像这样:
Call:
lm(formula = .outcome ~ ., data = dat)
Coefficients:
(Intercept) `poly(hp, 2)1` `poly(hp, 2)2`
20.09 -26.05 13.15
我应该补充一点,我不只是使用lm
,因为我使用插入符号通过交叉验证来适应 model。
如何通过 caret::train 从线性 model 中获得置信区间?
这是一个可怕的答案,或者caret
package 只是对这个特定问题有一个可怕的实现。 在任何一种情况下,如果尚不存在,它似乎适合在github上打开问题或希望(希望更多样化的predict
功能或修复object$finalModel
中使用的命名)
问题(发生在第二次试验)源于caret
package 如何在内部处理各种拟合程序,基本上限制了预测 function 似乎是为了清洁和标准化目的。
问题有两个方面。
predict.train
不允许预测/置信区间train(...)
的finalModel
中包含的 finalModel 包含一个格式异常的公式。 这两个问题似乎源于train
的格式和predict.train
的用法。 首先关注后一个问题,通过查看 output 从
formula(m$finalModel)
#`.outcome ~ `poly(hp, 2)1` + `poly(hp, 2)2`)
显然,在运行train
时会执行一些格式化,因为预期的 output 将是mpg ~ poly(hp, 2)
,而 output 扩展了 RHS(并添加了引号/标签)并更改了 LHS。 因此,修复公式或能够使用公式会很好。
研究caret
package 如何在predict.train
function 中使用它,揭示了下面用于newdata
输入的代码片段
predict.formula
#output
--more code
if (!is.null(newdata)) {
if (inherits(object, "train.formula")) {
newdata <- as.data.frame(newdata)
rn <- row.names(newdata)
Terms <- delete.response(object$terms)
m <- model.frame(Terms, newdata, na.action = na.action,
xlev = object$xlevels)
if (!is.null(cl <- attr(Terms, "dataClasses")))
.checkMFClasses(cl, m)
keep <- match(row.names(m), rn)
newdata <- model.matrix(Terms, m, contrasts = object$contrasts)
xint <- match("(Intercept)", colnames(newdata),
nomatch = 0)
if (xint > 0)
newdata <- newdata[, -xint, drop = FALSE]
}
}
--more code
out <- predictionFunction(method = object$modelInfo,
modelFit = object$finalModel, newdata = newdata,
preProc = object$preProcess)
For the less experienced R
users, we basically see, that a model.matrix
is constructed from scratch without using the output of formula(m$finalModel)
(we can use this,), and later some function is called to predict based on the m$finalModel
。 从同一个 package 中查看predictionFunction
发现这个 function 只是调用m$modelInfo$predict(m$finalModel, newdata)
(对于我们的例子)
最后查看m$modelInfo$predict
会显示以下代码片段
m$modelInfo$predict
#output
function(modelFit, newdata, submodels = NULL) {
if(!is.data.frame(newdata))
newdata <- as.data.frame(newdata)
predict(modelFit, newdata)
}
请注意, modelFit = m$finalModel
和newdata
是使用上面的 output 生成的。 另请注意,对predict
的调用不允许指定interval = "confidence"
,这是第一个问题的原因。
有无数种方法可以解决这个问题。 一种是使用lm(...)
而不是train(...)
。 另一个是利用 function 的内部结构来创建一个数据 object,它符合奇怪的 model 规范,所以我们可以使用新数据的predict(m$finalModel, newdata = newdata, interval = "confidence")
。
我选择做后者。
caretNewdata <- caretTrainNewdata(m, mtcars)
preds <- predict(m$finalModel, caretNewdata, interval = "confidence")
head(preds, 3)
#output
fit lwr upr
Mazda RX4 22.03708 20.74297 23.33119
Mazda RX4 Wag 22.03708 20.74297 23.33119
Datsun 710 24.21108 22.77257 25.64960
function 如下所示。 对于书呆子,我基本上从predict.train
、 predictionFunction
和m$modelInfo$predict
中提取了model.matrix
构建过程。 我不会 promise 这个 function 适用于每个caret
model 的一般情况使用,但它是一个开始的地方。
caretTrainNewdata
function:caretTrainNewdata <- function(object, newdata, na.action = na.omit){
if (!is.null(object$modelInfo$library))
for (i in object$modelInfo$library) do.call("requireNamespaceQuietStop",
list(package = i))
if (!is.null(newdata)) {
if (inherits(object, "train.formula")) {
newdata <- as.data.frame(newdata)
rn <- row.names(newdata)
Terms <- delete.response(object$terms)
m <- model.frame(Terms, newdata, na.action = na.action,
xlev = object$xlevels)
if (!is.null(cl <- attr(Terms, "dataClasses")))
.checkMFClasses(cl, m)
keep <- match(row.names(m), rn)
newdata <- model.matrix(Terms, m, contrasts = object$contrasts)
xint <- match("(Intercept)", colnames(newdata),
nomatch = 0)
if (xint > 0)
newdata <- newdata[, -xint, drop = FALSE]
}
}
else if (object$control$method != "oob") {
if (!is.null(object$trainingData)) {
if (object$method == "pam") {
newdata <- object$finalModel$xData
}
else {
newdata <- object$trainingData
newdata$.outcome <- NULL
if ("train.formula" %in% class(object) &&
any(unlist(lapply(newdata, is.factor)))) {
newdata <- model.matrix(~., data = newdata)[,
-1]
newdata <- as.data.frame(newdata)
}
}
}
else stop("please specify data via newdata")
} else
stop("please specify data data via newdata")
if ("xNames" %in% names(object$finalModel) & is.null(object$preProcess$method$pca) &
is.null(object$preProcess$method$ica))
newdata <- newdata[, colnames(newdata) %in% object$finalModel$xNames,
drop = FALSE]
if(!is.null(object$preProcess))
newdata <- predict(preProc, newdata)
if(!is.data.frame(newdata) &&
!is.null(object$modelInfo$predict) &&
any(grepl("as.data.frame", as.character(body(object$modelInfo$predict)))))
newdata <- as.data.frame(newdata)
newdata
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.