将系数名称转换为R中的公式

Question

当使用具有因子的公式时，拟合模型将系数命名为XY，其中X是因子的名称，Y是其特定级别。 我希望能够从这些系数的名称创建一个公式。

原因是：如果我将套索适合稀疏设计矩阵（如下所示），我想创建一个新的公式对象，它只包含非零系数的项。

require("MatrixModels")
require("glmnet")
set.seed(1)
n <- 200
Z <- data.frame(letter=factor(sample(letters,n,replace=T),letters),
                x=sample(1:20,200,replace=T))
f <- ~ letter + x:letter + I(x>5):letter
X <- sparse.model.matrix(f, Z)
beta <- matrix(rnorm(dim(X)[2],0,5),dim(X)[2],1)
y <- X %*% beta + rnorm(n)

myfit <- glmnet(X,as.vector(y),lambda=.05)
fnew <- rownames(myfit$beta)[which(myfit$beta != 0)]
 [1] "letterb"              "letterc"              "lettere"             
 [4] "letterf"              "letterg"              "letterh"             
 [7] "letterj"              "letterm"              "lettern"             
[10] "lettero"              "letterp"              "letterr"             
[13] "letters"              "lettert"              "letteru"             
[16] "letterw"              "lettery"              "letterz"             
[19] "lettera:x"            "letterb:x"            "letterc:x"           
[22] "letterd:x"            "lettere:x"            "letterf:x"           
[25] "letterg:x"            "letterh:x"            "letteri:x"           
[28] "letterj:x"            "letterk:x"            "letterl:x"           
[31] "letterm:x"            "lettern:x"            "lettero:x"           
[34] "letterp:x"            "letterq:x"            "letterr:x"           
[37] "letters:x"            "lettert:x"            "letteru:x"           
[40] "letterv:x"            "letterw:x"            "letterx:x"           
[43] "lettery:x"            "letterz:x"            "letterb:I(x > 5)TRUE"
[46] "letterc:I(x > 5)TRUE" "letterd:I(x > 5)TRUE" "lettere:I(x > 5)TRUE"
[49] "letteri:I(x > 5)TRUE" "letterj:I(x > 5)TRUE" "letterl:I(x > 5)TRUE"
[52] "letterm:I(x > 5)TRUE" "letterp:I(x > 5)TRUE" "letterq:I(x > 5)TRUE"
[55] "letterr:I(x > 5)TRUE" "letteru:I(x > 5)TRUE" "letterv:I(x > 5)TRUE"
[58] "letterx:I(x > 5)TRUE" "lettery:I(x > 5)TRUE" "letterz:I(x > 5)TRUE"

从这个我想有一个公式

~ I(letter=="d") + I(letter=="e") + ...(etc)

我检查了公式（）和all.vars（）无济于事。 此外，编写一个函数来解析这个问题有点痛苦，因为可能出现的术语类型不同。 例如，对于x：字母，当x是数值而字母是因子，或I（x> 5）：字母作为另一个烦人的情况。

所以我不知道在公式和它的字符表示之间转换并返回的某些函数？

Answer 1

当我运行代码时，我得到了一些不同的东西，因为没有指定set.seed（）。 我没有使用变量名称“letter”，而是使用“letter_”作为方便的分割标记：

> fnew <- rownames(myfit$beta)[which(myfit$beta != 0)]

> fnew
 [1] "letter_c" "letter_d" "letter_e" "letter_f" "letter_h" "letter_k" "letter_l"
 [8] "letter_o" "letter_q" "letter_r" "letter_s" "letter_t" "letter_u" "letter_v"
[15] "letter_w"

然后进行拆分并打包成字符矩阵：

> fnewmtx <- cbind( lapply(sapply(fnew, strsplit, split="_"), "[[", 2),
+ lapply(sapply(fnew, strsplit, split="_"), "[[", 1))

fnewmtx [，1] [，2]
letter_c“c”“letter”letter_d“d”“letter”letter_e“e”“letter”letter_f“f”“letter”剪断其余部分

并在as.formula（）中包装了paste函数输出，这是如何“在公式及其字符表示之间进行转换并返回”的答案的一半。 另一半是as.character（）

form <- as.formula( paste("~", 
             paste( 
               paste(" I(", fnewmtx[,2], "_ ==", "'",fnewmtx[,1],"') ", sep="") , 
             sep="", collapse="+")
                 ) 
           )  # edit: needed to add back the underscore

输出现在是一个合适的类对象：

> class(form)
[1] "formula"
> form
~I(letter_ == "c") + I(letter_ == "d") + I(letter_ == "e") + 
    I(letter_ == "f") + I(letter_ == "h") + I(letter_ == "k") + 
    I(letter_ == "l") + I(letter_ == "o") + I(letter_ == "q") + 
    I(letter_ == "r") + I(letter_ == "s") + I(letter_ == "t") + 
    I(letter_ == "u") + I(letter_ == "v") + I(letter_ == "w")

我觉得有趣的是，as.formula转换使字母周围的单引号成为双引号。

编辑：既然问题有一两个额外的维度，我的建议是跳过公式的重新创建。 请注意，myfit $ beta的rownames与X的列名完全相同，因此请使用非零的rownames作为索引来选择X矩阵中的列：

> str(X[ , which( colnames(X) %in% rownames(myfit$beta)[which(myfit$beta != 0)] )] )
Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
  ..@ i       : int [1:429] 9 54 91 157 166 37 55 68 117 131 ...
  ..@ p       : int [1:61] 0 5 13 20 28 36 42 50 60 68 ...
  ..@ Dim     : int [1:2] 200 60
  ..@ Dimnames:List of 2
  .. ..$ : chr [1:200] "1" "2" "3" "4" ...
  .. ..$ : chr [1:60] "letter_b" "letter_c" "letter_e" "letter_f" ...
  ..@ x       : num [1:429] 1 1 1 1 1 1 1 1 1 1 ...
  ..@ factors : list()

> myfit2 <- glmnet(X[ , which( colnames(X) %in% rownames(myfit$beta)[which(myfit$beta != 0)] )] ,as.vector(y),lambda=.05)
> myfit2

Call:  glmnet(x = X[, which(colnames(X) %in% rownames(myfit$beta)[
                                           which(myfit$beta != 0)])], 
              y = as.vector(y), lambda = 0.05) 

     Df   %Dev Lambda
[1,] 60 0.9996   0.05

Answer 2

在对sparse.model.matrix等进行一些考虑和检查之后，克里斯托弗，你所要求的是出现在某种程度上。 你没有解释为什么你不想为X_test形成完整的稀疏模型矩阵，所以除了下面的两个选项之外，很难建议前进的方法。

如果你在X_test有大量观察结果，因此不希望出于计算原因而生成用于predict()的完整稀疏矩阵，那么将X_test分成两个或更多个样本块并形成稀疏可能更为便利。依次为每一个模型矩阵，在使用后丢弃它。

如果做不到这一点，您将需要详细研究Matrix包中的代码。 从sparse.model.matrix开始，注意它然后调用Matrix:::model.spmatrix并在该函数中找到对Matrix:::fac2Sparse的调用。 您可能需要从这些函数中选择代码，但使用修改后的fac2Sparse来实现您想要实现的目标。

抱歉，我无法提供现成的脚本来执行此操作，但这是一项重要的编码任务。 如果沿着那条路走下去，请查看Matrix包中的Sparse Model Matrices插图并获取包源（来自CRAN），看看我提到的函数是否在源代码中有更好的记录（ fac2Sparse没有Rd文件）例）。 您也可以向Matrix的作者（Martin Maechler和Doug Bates）寻求建议，但请注意这两个章节在本学期的教学负担特别重。

祝好运！