[英]Getting confidence intervals on prediction from caret::train
我試圖弄清楚如何從插入符號::train 線性 model 獲得置信區間。
我的第一次嘗試只是使用通常的 lm 置信區間 arguments 運行預測:
m <- caret::train(mpg ~ poly(hp,2), data=mtcars, method="lm")
predict(m, newdata=mtcars, interval="confidence", level=0.95)
但看起來從 caret::train 返回的 object 沒有實現這個。
我的第二次嘗試是提取 finalModel 並對此進行預測:
m <- caret::train(mpg ~ poly(hp,2), data=mtcars, method="lm")
fm <- m$finalModel
predict(fm, newdata=mtcars, interval="confidence", level=0.95)
但我得到了錯誤
Error in eval(predvars, data, env) : object 'poly(hp, 2)1' not found
深入挖掘,似乎最終的 model 對公式有一些奇怪的表示,並且正在我的 newdata 中搜索“poly(hp, 2)1”列,而不是評估公式。 m$finalModel 看起來像這樣:
Call:
lm(formula = .outcome ~ ., data = dat)
Coefficients:
(Intercept) `poly(hp, 2)1` `poly(hp, 2)2`
20.09 -26.05 13.15
我應該補充一點,我不只是使用lm
,因為我使用插入符號通過交叉驗證來適應 model。
如何通過 caret::train 從線性 model 中獲得置信區間?
這是一個可怕的答案,或者caret
package 只是對這個特定問題有一個可怕的實現。 在任何一種情況下,如果尚不存在,它似乎適合在github上打開問題或希望(希望更多樣化的predict
功能或修復object$finalModel
中使用的命名)
問題(發生在第二次試驗)源於caret
package 如何在內部處理各種擬合程序,基本上限制了預測 function 似乎是為了清潔和標准化目的。
問題有兩個方面。
predict.train
不允許預測/置信區間train(...)
的finalModel
中包含的 finalModel 包含一個格式異常的公式。 這兩個問題似乎源於train
的格式和predict.train
的用法。 首先關注后一個問題,通過查看 output 從
formula(m$finalModel)
#`.outcome ~ `poly(hp, 2)1` + `poly(hp, 2)2`)
顯然,在運行train
時會執行一些格式化,因為預期的 output 將是mpg ~ poly(hp, 2)
,而 output 擴展了 RHS(並添加了引號/標簽)並更改了 LHS。 因此,修復公式或能夠使用公式會很好。
研究caret
package 如何在predict.train
function 中使用它,揭示了下面用於newdata
輸入的代碼片段
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
。 從同一個 package 中查看predictionFunction
發現這個 function 只是調用m$modelInfo$predict(m$finalModel, newdata)
(對於我們的例子)
最后查看m$modelInfo$predict
會顯示以下代碼片段
m$modelInfo$predict
#output
function(modelFit, newdata, submodels = NULL) {
if(!is.data.frame(newdata))
newdata <- as.data.frame(newdata)
predict(modelFit, newdata)
}
請注意, modelFit = m$finalModel
和newdata
是使用上面的 output 生成的。 另請注意,對predict
的調用不允許指定interval = "confidence"
,這是第一個問題的原因。
有無數種方法可以解決這個問題。 一種是使用lm(...)
而不是train(...)
。 另一個是利用 function 的內部結構來創建一個數據 object,它符合奇怪的 model 規范,所以我們可以使用新數據的predict(m$finalModel, newdata = newdata, interval = "confidence")
。
我選擇做后者。
caretNewdata <- caretTrainNewdata(m, mtcars)
preds <- predict(m$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。 對於書呆子,我基本上從predict.train
、 predictionFunction
和m$modelInfo$predict
中提取了model.matrix
構建過程。 我不會 promise 這個 function 適用於每個caret
model 的一般情況使用,但它是一個開始的地方。
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
}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.