从 glmnet 中提取系数变量名称到 data.frame 中

问题描述 投票：0回答：9

我想提取 glmnet 生成的模型系数并从中创建 SQL 查询。函数 

coef(cv.glmnet.fit)
产生一个 '
dgCMatrix
' 对象。当我使用 
as.matrix
将其转换为矩阵时，变量名称会丢失，仅留下系数值。

我知道可以在屏幕上打印系数，但是可以将名称写入数据框吗？

有人可以帮忙提取这些名字吗？

r glmnet
9个回答
36
投票

更新： 我的答案的前两条评论都是正确的。我将答案保留在水平线以下，仅供后代参考。

以下答案很简短，它有效并且不需要任何其他包：

tmp_coeffs <- coef(cv.glmnet.fit, s = "lambda.min")
data.frame(name = tmp_coeffs@Dimnames[[1]][tmp_coeffs@i + 1], coefficient = tmp_coeffs@x)

+1 的原因是 

@i
方法从 0 开始截距索引，但 
@Dimnames[[1]]
从 1 开始。

旧答案：（仅供后代保留）尝试这些行：

非零系数：

coef(cv.glmnet.fit, s = "lambda.min")[which(coef(cv.glmnet.fit, s = "lambda.min") != 0)]

选择的功能：

colnames(regression_data)[which(coef(cv.glmnet.fit, s = "lambda.min") != 0)]

然后将它们放在一起作为数据框就可以了，但是如果您也想要这部分代码，请告诉我。

9
投票

检查扫帚包裹。它具有 

tidy
功能，可将不同 R 对象（包括 
glmnet
）的输出转换为 data.frames。

6
投票

名称应可通过 

dimnames(coef(cv.glmnet.fit))[[1]]
访问，因此以下应将系数名称和值放入 data.frame 中： 
data.frame(coef.name = dimnames(coef(GLMNET))[[1]], coef.value = matrix(coef(GLMNET)))

4
投票

基于上面 Mehrad 的解决方案，这里有一个简单的函数来打印仅包含非零系数的表格：

print_glmnet_coefs <- function(cvfit, s="lambda.min") {
    ind <- which(coef(cvfit, s=s) != 0)
    df <- data.frame(
        feature=rownames(coef(cvfit, s=s))[ind],
        coeficient=coef(cvfit, s=s)[ind]
    )
    kable(df)
}

上面的函数使用 knitr 中的 

kable()
函数来生成 Markdown 就绪表。

2
投票

有一种方法可以使用 coef() 到 glmnet() 对象（您的模型）。在索引 [[1]] 以下的情况下，指示多项逻辑回归中结果类的数量，也许对于其他模型，您应该删除它。

coef_names_GLMnet <- coef(GLMnet, s = 0)[[1]]
row.names(coef_names_GLMnet)[coef_names_GLMnet@i+1]
在这种情况下，

row.names()索引需要递增(+1)，因为coef()对象中的变量（数据特征）计数从0开始，但转换后字符向量计数从1开始。

2
投票

在这里，我编写了一个可重现的示例，并使用 

cv.glmnet
安装了一个二进制（逻辑）示例。 
glmnet
模型拟合也可以。在这个示例的最后，我将非零系数和相关特征组装到一个名为 
myResults
:

的 data.frame 中 
library(glmnet)
X <- matrix(rnorm(100*10), 100, 10);
X[51:100, ] <- X[51:100, ] + 0.5; #artificially introduce difference in control cases
rownames(X) <- paste0("observation", 1:nrow(X));
colnames(X) <- paste0("feature",     1:ncol(X));

y <- factor( c(rep(1,50), rep(0,50)) ); #binary outcome class label
y
## [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [51] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## Levels: 0 1

## Perform logistic model fit:
fit1 <- cv.glmnet(X, y, family="binomial", nfolds=5, type.measure="auc"); #with K-fold cross validation
# fit1 <- glmnet(X, y, family="binomial") #without cross validation also works

## Adapted from @Mehrad Mahmoudian:
myCoefs <- coef(fit1, s="lambda.min");
myCoefs[which(myCoefs != 0 ) ]               #coefficients: intercept included
## [1]  1.4945869 -0.6907010 -0.7578129 -1.1451275 -0.7494350 -0.3418030 -0.8012926 -0.6597648 -0.5555719
## [10] -1.1269725 -0.4375461
myCoefs@Dimnames[[1]][which(myCoefs != 0 ) ] #feature names: intercept included
## [1] "(Intercept)" "feature1"    "feature2"    "feature3"    "feature4"    "feature5"    "feature6"   
## [8] "feature7"    "feature8"    "feature9"    "feature10"  

## Asseble into a data.frame
myResults <- data.frame(
  features = myCoefs@Dimnames[[1]][ which(myCoefs != 0 ) ], #intercept included
  coefs    = myCoefs              [ which(myCoefs != 0 ) ]  #intercept included
)
myResults
##       features      coefs
## 1  (Intercept)  1.4945869
## 2     feature1 -0.6907010
## 3     feature2 -0.7578129
## 4     feature3 -1.1451275
## 5     feature4 -0.7494350
## 6     feature5 -0.3418030
## 7     feature6 -0.8012926
## 8     feature7 -0.6597648
## 9     feature8 -0.5555719
## 10    feature9 -1.1269725
## 11   feature10 -0.4375461
1
投票
# requires tibble.
tidy_coef <- function(x){
    coef(x) %>%
    matrix %>%   # Coerce from sparse matrix to regular matrix.
    data.frame %>%  # Then dataframes.
    rownames_to_column %>%  # Add rownames as explicit variables.
    setNames(c("term","estimate"))
}

没有小标题：

tidy_coef2 <- function(x){
    x <- coef(x)
    data.frame(term=rownames(x),
               estimate=matrix(x)[,1],
               stringsAsFactors = FALSE)
}
1
投票

假设您知道如何获取 lambda，我发现了两种不同的方法来显示该特定 lambda 的所选模型中所需的预测变量。其中之一包括拦截。可以通过“glmnet”库中的cv.glmnet的方式使用交叉验证来获得 lambda。您可能只想查看每个方法的最后几行：

 myFittedLasso = glmnet(x=myXmatrix, y=myYresponse, family="binomial")
 myCrossValidated = cv.glmnet(x=myXmatrix, y=myYresponse, family="binomial")
 myLambda = myCrossValidated$lambda.1se  # can be simply lambda

 # Method 1 without the intercept
 myBetas = myFittedLasso$beta[, which(myFittedLasso$lambda == myLambda)]
 myBetas[myBetas != 0]
 ## myPredictor1    myPredictor2    myPredictor3
 ##   0.24289802      0.07561533      0.18299284


 # Method 2 with the intercept
 myCoefficients = coef(myFittedLasso, s=myLambda)
 dimnames(myCoefficients)[[1]][which(myCoefficients != 0)]
 ## [1] "(Intercept)"    "myPredictor1"    "M_myPredictor2"    "myPredictor3"

 myCoefficients[which(myCoefficients != 0)]
 ## [1] -4.07805560  0.24289802  0.07561533  0.18299284

请注意，上面的示例暗示二项式分布，但这些步骤可以应用于任何其他类型。

0
投票

在使用 

glmnet
框架中的 
tidymodels
时，我遇到了类似的问题，其中模型是在工作流程中进行训练的，而 
coef()
和上述解决方案都不起作用。

对我有用的是

glmnet:::coef.glmnet
代码的一部分：

# taken from glmnet:::coef.glmnet
coefs <- predict(x, "lambda.min", type = "coefficients", exact = FALSE)

dd <- cbind(
  data.frame(var = rownames(coefs)),
  as.data.table(as.matrix(coefs))
)
最新问题
© www.soinside.com 2019 - 2024. All rights reserved.