无法使用 tidymodels 包使用分类预测器训练 Poisson glmnet

Posted 2023-03-12

【中文标题】无法使用 tidymodels 包使用分类预测器训练 Poisson glmnet

【英文标题】：Unable to train Poisson glmnet with categorical predictors using tidymodels package

【发布时间】：2020-08-27 06:55:32

【问题描述】：

我的目标是使用 tidymodels 包拟合泊松 glmnet。为此，我使用recipes 包对数据进行预处理，parsnip 用于拟合模型，workflows 将模型与预处理器捆绑在一起，poissonreg 可以将泊松回归与parsnip 结合使用。如果我的训练数据集只包含数字预测变量，它工作得非常好，但是当有一些因子（或分类）预测变量时，我无法拟合模型。在下面的代码中，您可能会认为使用tidymodels 是多余的。是的，它适用于这个最小的示例，但最终，我会想要调整我的超参数、验证我的模型等，然后，tidymodels 将很有用。

首先，让我们加载我们需要的包。

library(tibble)
library(recipes)
library(poissonreg)
library(parsnip)
library(workflows)
library(glmnet)

让我们还模拟我们的数据集，该数据集有 1000 行、1 个结果 (y)、1 个具有 2 个级别的分类预测变量 (x_fac) 和 3 个数字预测变量 (x_num_01、x_num_02 和 x_num_03)。

n <- 1000

dat <- tibble::tibble(
  y = rpois(n, lambda = 0.15),
  x_fac = factor(sample(c("M", "F"), size = n, replace = T)),
  x_num_01 = rnorm(n),
  x_num_02 = rnorm(n),
  x_num_03 = rnorm(n)
)

然后，我们定义并准备配方。预处理非常简单：如果有的话，所有的分类预测器都被转换为虚拟预测器。

rec <- 
  recipes::recipe(y ~ ., data = dat) %>% 
  recipes::step_dummy(all_nominal()) %>% 
  recipes::prep()

然后我们定义我们的模型，

glmnet_mod <- 
  poissonreg::poisson_reg(penalty = 0.01, mixture = 1) %>% 
  parsnip::set_engine("glmnet")

将模型和预处理器与workflows 包捆绑在一起

glmnet_wf <- 
  workflows::workflow() %>%
  workflows::add_recipe(rec) %>% 
  workflows::add_model(glmnet_mod)

最后，我们用parsnip训练模型：

glmnet_fit <- 
  glmnet_wf %>% 
  parsnip::fit(data = dat)

这个parsnip::fit 函数抛出错误

Error in fishnet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  : 
  NA/NaN/Inf in foreign function call (arg 4)
In addition: Warning message:
In fishnet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  :
  NAs introduced by coercion
Timing stopped at: 0.005 0 0.006

我完全不知道为什么！如果您从模拟数据集dat 中删除预测变量x_fac，它可以正常工作。如果我在使用 glmnet 包运行 glmnet 之前自行预处理数据，它也可以工作：

x <- dat %>% dplyr::mutate(x_fac_M = x_fac == "M") %>% dplyr::select(contains("x"), -x_fac) %>% as.matrix()
y <- dat$y

glmnet::glmnet(x = x, y = y, family = "poisson", lambda = 0.01, alpha = 1)

感谢您的帮助！

会话信息：

R version 4.0.0 (2020-04-24)
Platform: x86_64-apple-darwin17.0 (64-bit)
Running under: macOS Catalina 10.15.4

Matrix products: default
BLAS:   /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/4.0/Resources/lib/libRlapack.dylib

locale:
[1] en_CA.UTF-8/en_CA.UTF-8/en_CA.UTF-8/C/en_CA.UTF-8/en_CA.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] workflows_0.1.1  poissonreg_0.0.1 parsnip_0.1.0    recipes_0.1.12  
[5] dplyr_0.8.5      tibble_3.0.1    

loaded via a namespace (and not attached):
 [1] Rcpp_1.0.4.6       pillar_1.4.4       compiler_4.0.0     gower_0.2.1       
 [5] iterators_1.0.12   class_7.3-16       tools_4.0.0        rpart_4.1-15      
 [9] ipred_0.9-9        packrat_0.5.0      lubridate_1.7.8    lifecycle_0.2.0   
[13] lattice_0.20-41    pkgconfig_2.0.3    rlang_0.4.6        foreach_1.5.0     
[17] Matrix_1.2-18      cli_2.0.2          rstudioapi_0.11    prodlim_2019.11.13
[21] withr_2.2.0        generics_0.0.2     vctrs_0.2.4        glmnet_3.0-2      
[25] grid_4.0.0         nnet_7.3-13        tidyselect_1.0.0   glue_1.4.0        
[29] R6_2.4.1           fansi_0.4.1        survival_3.1-12    lava_1.6.7        
[33] purrr_0.3.4        tidyr_1.0.2        magrittr_1.5       codetools_0.2-16  
[37] ellipsis_0.3.0     MASS_7.3-51.5      splines_4.0.0      hardhat_0.1.2     
[41] assertthat_0.2.1   shape_1.4.4        timeDate_3043.102  utf8_1.1.4        
[45] crayon_1.3.4

【参考方案1】：

好的，我刚刚想通了。似乎不应该准备添加到工作流中的配方。所以只需更改这部分：

rec <- 
  recipes::recipe(y ~ ., data = dat) %>% 
  recipes::step_dummy(all_nominal()) %>% 
  recipes::prep()

通过以下方式：

rec <- 
  recipes::recipe(y ~ ., data = dat) %>% 
  recipes::step_dummy(all_nominal())