使用带有插入符号的 rpy2 尝试分类而不是回归答案

【问题标题】：Using rpy2 w/ caret attempts classification instead of regression使用带有插入符号的 rpy2 尝试分类而不是回归
【发布时间】：2020-10-22 08:14:20
【问题描述】：

我有在 Python 中创建和预处理的数据，我想导入到 R 并使用 glmnet 执行 k 折交叉验证 LASSO 拟合。我想控制每个折叠中使用哪些观察，所以我想使用caret 来执行此操作。

但是，我发现caret 将我的数据解释为分类而不是回归问题，并且很快就失败了。这是我希望是一个可重现的例子：

import numpy as np
import pandas as pd
import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri
from rpy2.robjects import numpy2ri
from rpy2.robjects.conversion import localconverter

pandas2ri.activate()
numpy2ri.activate()

# Import essential R packages
glmnet = importr('glmnet')
caret = importr('caret')
base = importr('base')

# Define X and y input 
dummy_x = pd.DataFrame(np.random.rand(10000, 5), columns=('a', 'b', 'c', 'd', 'e'))
dummy_y = np.random.rand(10000)

# Convert pandas DataFrame to R data.frame
with localconverter(robjects.default_converter + pandas2ri.converter): 
 dummy_x_R = robjects.conversion.py2rpy(dummy_x) 

# Use caret to perform the fit using default settings 
caret_test = caret.train(**{'x': dummy_x_R, 'y': dummy_y, 'method': 'glmnet'})

rpy2 失败，从 R 给出这个神秘的错误消息：

RRuntimeError: Error: Metric RMSE not applicable for classification models

这可能是什么原因造成的？根据this previous question 的说法，插入符号可能假设我的变量中至少有一个是整数类型，因此默认认为这是一个分类而不是回归问题。

但是，我使用 typeof 检查了 X 和 y，它们显然是双精度数：

base.sapply(dummy_x_R, 'typeof')                                                                                                                                                     
>>> array(['double', 'double', 'double', 'double', 'double'], dtype='<U6')

base.sapply(dummy_y, 'typeof')                                                                                                                                                       
>>> array(['double', 'double', 'double', ..., 'double', 'double', 'double'],
      dtype='<U6')

为什么会出现此错误？ train 的所有默认设置都假设一个回归模型，那么为什么caret 以这种方式使用时假设一个分类模型？

【问题讨论】：

既然您正在生成随机数据，您能否成功运行类似的练习并仅在 R 中调用caret？另外，为什么不简单地使用命名参数调用train：caret.train(x=dummy_x_R, y=dummy_y, method='glmnet')？
@Parfait：我没有意识到 rpy2 如此灵活。对于我来说，文档并不清楚在需要 kwargs 时可以命名什么。无论如何，我尝试了您在 R 中的建议，发现火车运行时没有任何错误：x <- data.frame(replicate(5, runif(10000)))、y <- runif(10000)、caret_test <- caret::train(x = x, y = y, method = 'glmnet') 无论问题是什么，似乎与rpy2 如何将我的数据传递到@987654338 @。关于如何进一步调试的任何想法？

标签： python r r-caret rpy2 glmnet

【解决方案1】：

在这种情况下，第一步是确定意外结果是来自 Python 端还是 rpy2 端，还是来自 R 端。

从 pandas 到 R 或从 numpy 到 R 的转换似乎按预期工作，至少对于数组类型而言：

>>> [x.typeof for x in dummy_x_R]                                                         
[<RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>]

我猜这就是你可能为dummy_y 所做的事情。

>>> from rpy2.robjects import numpy2ri                                               
>>> with localconverter(robjects.default_converter + numpy2ri.converter):  
        dummy_y_R = robjects.conversion.py2rpy(dummy_y)
>>> dummy_y_R.typeof                                                                 
<RTYPES.REALSXP: 14>

然而，一个相当微妙的转换细节是问题的根源。 dummy_y_R 有一个“形状”（R 中的属性 dim），而 caret 需要一个无形状的 R 数组（R 术语中的“向量”）以执行回归。可以强制 dummy_y 成为 R 向量：

caret_test = caret.train(**{'x': dummy_x_R,
                            'y': robjects.FloatVector(dummy_y),
                            'method': 'glmnet'})

【讨论】：

【解决方案2】：

要使用 R 方法，请确保所有输入都是 R 对象。因此，请考虑将 dummy_y numpy 数组转换为 R 向量，您可以使用 base.as_double：

...
dummy_y_R = base.as_double(dummy_y)

caret.train(x=dummy_x_R, y=dummy_y_R, method='glmnet')

【讨论】：