predict() glmnet 函数中的错误：尚未实现的方法

Question

当我使用预测 glmnet 函数时，我得到代码下面提到的错误。

mydata <- read.csv("data.csv")
x <- mydata[,1:4]
y <- mydata[,5]
data <- cbind(x,y)
model <- model.matrix(y~., data=data)
ridgedata <- model[,-1]
train <- sample(1:dim(ridgedata)[1], round(0.8*dim(ridgedata)[1]))
test <- setdiff(1:dim(ridgedata)[1],train)
x_train <- data[train, ]
y_train <- data$y[train]
x_test <- data[test, ]
y_test <- data$y[test]
k=5
grid =10^seq(10,-2, length =100)
fit <- cv.glmnet(model,y,k=k,lambda = grid)
lambda_min <- fit$lambda.min
fit_test <- predict(fit, newx=x_test,s=lambda_min)

错误如下：

as.matrix(cbind2(1, newx) %*% nbeta) 中的错误：评估错误 为函数“as.matrix”选择方法时的参数“x”：错误 在 cbind2(1, newx) %*% nbeta ：尚未实现的方法 <data.frame> %*% <dgCMatrix>

我试过调试，但我不确定在哪里

as.matrix(cbind2(1, newx) %*% nbeta)

正在使用代码以及导致此错误的原因。

Answer 1

您的原始数据框在预测变量中有一个因子（分类）变量。当您使用 model.matrix 时，它会对该变量执行一些明智的操作；如果直接传给predict，它不知道怎么办。

newX <- model.matrix(~.-y,data=x_test)
fit_test<-predict(fit, newx=newX,s=lambda_min)

顺便说一句，您可以用一个最小/虚构的例子复制这个例子，只有几行数据......例如，这个设置给出了同样的错误（我把数据称为dd而不是而不是“数据”，因为后者是 R 中的内置函数）：

set.seed(101)
dd <- data.frame(y=rnorm(5),
            a=1:5,b=2:6,c=3:7,d=letters[1:5])
model <- model.matrix(y~., data=dd)
n <- nrow(dd)
train <- sample(1:n, size=round(0.8*n))
test <- setdiff(1:n,train)