predict.glmnet() 使用 family = "binomial" 對 type = "link" 和 "response" 給出相同的預測

Question

以這種情況為例（邏輯回歸的經典螃蟹數據）：

> library(glmnet)
> X <- read.table("http://www.da.ugent.be/datasets/crab.dat", header=T)[1:10,]
> Y <- factor(ifelse(X$Sa > 0, 1, 0))
> Xnew <- data.frame('W'=20,'Wt'=2000)
> fit.glmnet <- glmnet(x = data.matrix(X[,c('W','Wt')]), y = Y, family = "binomial")

現在我想從Xnew預測新值：

根據文檔，我可以使用predict.glmnet ：

類型

所需的預測類型。 “鏈接”類型給出了“二項式”、“多項式”、“泊松”或“cox”模型的線性預測器； 對於“高斯”模型，它給出了擬合值。 “響應”類型給出了“二項式”或“多項式”的擬合概率，[...]

所以這就是我所做的：

> predict.glmnet(object = fit.glmnet, type="response", newx = as.matrix(Xnew))[,1:5]
        s0         s1         s2         s3         s4 
-0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386 
> predict.glmnet(object = fit.glmnet, type="link", newx = as.matrix(Xnew))[,1:5]
        s0         s1         s2         s3         s4 
-0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386 

兩個link值與response預測相同，這不是我所期望的。 使用predict似乎給了我正確的值：

> predict(object = fit.glmnet, type="response", newx = as.matrix(Xnew))[,1:5]
       s0        s1        s2        s3        s4 
0.3000000 0.2835386 0.2678146 0.2528080 0.2384968 
> predict(object = fit.glmnet, type="link", newx = as.matrix(Xnew))[,1:5] 
        s0         s1         s2         s3         s4 
-0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386 

這是一個錯誤，還是我以錯誤的方式使用predict.glmnet ？

Answer 1

在數據包glmnet ，您的對象屬於lognet類：

> class(object)
[1] "lognet" "glmnet"

這就是為什么您沒有使用predict.glmnet獲得正確結果的原因，它內部不支持type="response" ，但如果您使用predict.lognet ，您會得到它：

> predict.lognet(object = fit.glmnet, newx = as.matrix(Xnew), type="response")[,1:5]
       s0        s1        s2        s3        s4 
0.3000000 0.2835386 0.2678146 0.2528080 0.2384968 
> predict.lognet(object = fit.glmnet, newx = as.matrix(Xnew), type="link")[,1:5]
        s0         s1         s2         s3         s4 
-0.8472979 -0.9269763 -1.0057390 -1.0836919 -1.1609386 

無論如何，我建議您使用predict ，並讓 R 在內部解析要使用的函數。

希望能幫助到你。