使用 rpy2（R 的 Python 接口）在 Python 中進行序數邏輯回歸：共線預測變量問題

Question

我正在嘗試在 Python 中執行序數邏輯回歸，使用 rpy2（R 語言的 Python 接口）調用 R 的 mass.polr 函數。 但是，當我的預測變量中有一些共線或幾乎共線的列時，我遇到了麻煩：mass.polr 在擬合期間自動丟棄其中一些列，這會在我嘗試對訓練數據進行預測時導致錯誤。

這是一個最小的例子：

from rpy2.robjects import r, pandas2ri
from rpy2.robjects.packages import importr

pandas2ri.activate()

mass = importr("MASS")

# dataframe with two collinear predictors (x1 and x2)
df = pd.DataFrame(columns = ['target', 'x1', 'x2', 'x3'],
                  data    = [[   0   ,  0  ,  0  ,  1  ],
                             [   1   ,  1  ,  1  ,  0  ],
                             [   2   ,  1  ,  1  ,  1  ]])

model = mass.polr('as.factor(target) ~ .', df, Hess = True) # gives warning below
'''
Warning message:
In polr(as.factor(target) ~ ., data = df, Hess = TRUE) :
  design appears to be rank-deficient, so dropping some coefs

'''

r.predict(model, df, type = "class").__array__() # gives error below
'''
Error in X %*% object$coefficients : non-conformable arguments
'''

同樣的錯誤實際上也發生在 R 中，但我至少可以通過查看summary(model)來了解哪些列已被丟棄。

相反，在 Python 中， r.summary(model).rx2('coefficients') （應顯示與 R 中的summary(model)相同的輸出）不顯示系數名稱，而僅顯示裸值：

array([[4.57292582e+01, 8.25605929e+02, 5.53887231e-02],
       [2.11604944e+01, 2.85721885e+02, 7.40597606e-02],
       [3.19476895e+01, 3.60605165e+02, 8.85946531e-02],
       [5.66312792e+01, 8.93862000e+02, 6.33557296e-02]])

有誰知道在 Python 中檢索系數名稱的方法？ 或者還有其他解決方法嗎？

Answer 1

即使沒有pandas2ri.activate() ，從r.summary(model).rx2('coefficients')返回的 FloatMatrix 也不包含變量名稱。 但是，我們可以使用 R 的dimnames函數提取這些名稱。 完整示例如下：

import pandas as pd
import rpy2.robjects as ro
from rpy2.robjects import r, pandas2ri
from rpy2.robjects.packages import importr
from rpy2.robjects.conversion import localconverter
mass = importr("MASS")

df = pd.DataFrame(columns = ['target', 'x1', 'x2', 'x3'],
                  data    = [[   0   ,  0  ,  0  ,  1  ],
                             [   1   ,  1  ,  1  ,  0  ],
                             [   2   ,  1  ,  1  ,  1  ]])

with localconverter(ro.default_converter + pandas2ri.converter):
    df = ro.conversion.py2rpy(df)

model = mass.polr('as.factor(target) ~ .', df, Hess = True)

coefs = r.summary(model).rx2('coefficients')

[x for x in r('dimnames')(coefs)[0]]

返回['x1', 'x3', '0|1', '1|2'] ，顯示 x2 已被刪除。

或者，您可以使用r.print(r.summary(model))打印完整的模型輸出

Answer 2

我正在嘗試使用 rpy2（ZE1E1D3D40573127E36EE0480CAFZ18 語言的 Python 接口）在 Python 中調用 R 的 mass.polr function 執行序數邏輯回歸。 但是，當我的預測變量中有一些共線或幾乎共線的列時，我會遇到麻煩：mass.polr 在擬合期間會自動丟棄其中的一些列，這在我嘗試對訓練數據進行預測時會導致錯誤。

這是一個最小的例子：

from rpy2.robjects import r, pandas2ri
from rpy2.robjects.packages import importr

pandas2ri.activate()

mass = importr("MASS")

# dataframe with two collinear predictors (x1 and x2)
df = pd.DataFrame(columns = ['target', 'x1', 'x2', 'x3'],
                  data    = [[   0   ,  0  ,  0  ,  1  ],
                             [   1   ,  1  ,  1  ,  0  ],
                             [   2   ,  1  ,  1  ,  1  ]])

model = mass.polr('as.factor(target) ~ .', df, Hess = True) # gives warning below
'''
Warning message:
In polr(as.factor(target) ~ ., data = df, Hess = TRUE) :
  design appears to be rank-deficient, so dropping some coefs

'''

r.predict(model, df, type = "class").__array__() # gives error below
'''
Error in X %*% object$coefficients : non-conformable arguments
'''

同樣的錯誤實際上也發生在 R 中，但我至少可以通過查看summary(model)看到哪些列已被丟棄。

相反，在 Python、 r.summary(model).rx2('coefficients')中（應該顯示相同的 output 不顯示系數名稱，而只是在 R 中顯示系數名稱，而只是顯示summary(model)值）

array([[4.57292582e+01, 8.25605929e+02, 5.53887231e-02],
       [2.11604944e+01, 2.85721885e+02, 7.40597606e-02],
       [3.19476895e+01, 3.60605165e+02, 8.85946531e-02],
       [5.66312792e+01, 8.93862000e+02, 6.33557296e-02]])

有誰知道在 Python 中檢索系數名稱的方法？ 或者還有其他解決方法嗎？