从 clogitLasso() 模型中获取预测？

Question

我如何从 clogitLasso model 获得预测结果？

它会给我一系列惩罚权重，以及与之相关的协变量系数，但我接下来要做的是选择其中一个权重并使用相关模型进行预测。然后我可以使用 AUC 或类似的方法评估模型。

也欢迎使用其他库的建议。

（也有可能被退回 CrossValidated，但这并不是一个真正的理论问题。。。）

Answer 1

clogitLasso() 没有 predict() 函数，但我想多了。你可以自己做数据与系数的矩阵乘法。

例如：

首先我们将模拟一些数据。 360 次观察，180 case/control 对。 case 编码为 1/0，set 为 180 对编号。有两个协变量：e1 是噪声，x1 与结果相关，case。

library("clogitLasso")
set.seed(0)
N <- 360
mm <- data.frame(case=rep(c(1, 0), times=N/2))
mm$set <- rep(1:(N/2), each=2)
mm$e1 <- rnorm(n=N, mean=5, sd=10)
mm$x1 <- mm$case*10 + rnorm(n=N, mean=0, sd=3)

为了从 clogitLasso 获得预测，我们需要在将数据放入模型之前自行对协变量（均值 = 0，sd = 1）进行归一化。（否则 clogitLasso 将系数转换回 "original scale"，这在这里没用。）

mm[, c("e1", "x1")] <- scale(mm[, c("e1", "x1")], center=TRUE, scale=TRUE)

然后构建模型：

model <- clogitLasso(X=as.matrix(mm[, c("e1", "x1")]), y=as.matrix(mm$case), 
    strata=mm$set, standardize=FALSE)

我们需要选择要测试预测的惩罚权重的哪个值——这里我们选择第 10 个，因为。

然后我们将原始输入数据乘以系数 ("betas") 以尝试预测原始结果——case:

的值

handMadePredictions <- as.matrix(mm[, c("e1", "x1")]) %*% model$beta[10, ]

这是线性预测器，我们需要将其转换回概率尺度进行预测：

logistic <- function(logOdds) {
  return(exp(logOdds) / (exp(logOdds) + 1))
}

handMadePredictions <- logistic(handMadePredictions)

原始数据 - case - 是一系列交替的 1 和 0。我们可以看到，该模型根据原始输入很好地预测了这些结果。通过检查 round(handMadePredictions) 或使用混淆矩阵：

table("predicted"=round(handMadePredictions), "Case/control"=mm$case)

         Case/control
predicted   0   1
        0 172  12
        1   8 168

注意在这个玩具示例中没有阶层效应——x1和[=18之间的关联=] 是相同的，无论数据点在 set 中。在这种简化的情况下，不需要条件逻辑回归，常规逻辑回归就可以正常工作。但是当存在层效应时，我无法从 clogitLasso() 得到合理的预测结果，这是另一个问题。

从 clogitLasso() 模型中获取预测？

Get predictions from clogitLasso() model?

r

prediction

logistic-regression