使用插入符号包在R中执行逻辑回归,并尝试强制执行零截距,以使x = 0的概率为0.5。在其他形式的回归中,似乎可以使用tunegrid关闭截距,但是它没有逻辑回归的功能。有任何想法吗?
model <- train(y ~ 0+ x, data = data, method = "glm", family = binomial(link="probit"),
trControl = train.control)
是的,我“知道”在x = 0处的概率应为0.5,因此试图强加它。
关于如何为插入符号设置自定义模型有一个小插曲。因此,在下面的解决方案中,您还可以看到拦截仍然存在的原因:
library(caret)
glm_wo_intercept = getModelInfo("glm",regex=FALSE)[[1]]
如果您看一下合适的话,那条线会做:
glm_wo_intercept$fit
....
modelArgs <- c(list(formula = as.formula(".outcome ~ ."), data = dat), theDots)
...
因此,默认情况下存在拦截。您可以更改此行并在此修改后的模型上运行插入符号:
glm_wo_intercept$fit = function(x, y, wts, param, lev, last, classProbs, ...) {
dat <- if(is.data.frame(x)) x else as.data.frame(x)
dat$.outcome <- y
if(length(levels(y)) > 2) stop("glm models can only use 2-class outcomes")
theDots <- list(...)
if(!any(names(theDots) == "family"))
{
theDots$family <- if(is.factor(y)) binomial() else gaussian()
}
if(!is.null(wts)) theDots$weights <- wts
# change the model here
modelArgs <- c(list(formula = as.formula(".outcome ~ 0+."), data = dat), theDots)
out <- do.call("glm", modelArgs)
out$call <- NULL
out
}
我们拟合模型:
data = data.frame(y=factor(runif(100)>0.5),x=rnorm(100))
model <- train(y ~ 0+ x, data = data, method = glm_wo_intercept,
family = binomial(),trControl = trainControl(method = "cv",number=3))
predict(model,data.frame(x=0),type="prob")
FALSE TRUE
1 0.5 0.5
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句