lmtree 怀疑行为与因素

Question

当我将 partykit 包中的 lmtree 函数与因子一起使用时，我注意到它有一个奇怪的行为。如果某些级别未包含在数据集中（此处 "c" 和 "e"），则预测会随机变化...

我想这意味着 lmtree 仅使用数据集中存在的因素（在此示例中为 "a" 和 "b"）构建模型，而预测函数会考虑所有因素（"a","b","c","e").

那么我怎样才能安全地使用 lmtree 模型的因子？

library(partykit)

df<-data.frame(x=runif(100),y=runif(100),v=sample(c("a","b"),100,replace=T))
df$z<-with(df,ifelse(v=="a",2*y+x,3*x-y))
df$v<-factor(df$v,levels=c("c","e","a","b"))

lmt<-lmtree(z~x+y|v,df)

for (i in 1:10) print(predict(lmt,df,type="node")[1])

如果在lmtree函数和predict函数之间颠倒因子的顺序（从levels=c("a","b")到levels=c("b","a"))

Answer 1

感谢您提出这个问题，这是 partykit 中的一个错误（直到当前版本 1.2-2）。

问题的根源如下：lmtree() 使用 formula 和 data 并从中构建一个 model.frame，设置 drop.unused.levels = TRUE .因此，对于 v，仅保留级别 "a" 和 "b"，而删除 "c" 和 "e"。但是，在 predict.party 中 not 也是如此，其中调用 model.frame 时未指定 drop.unused.levels，因此使用默认值 FALSE。然后因素水平之间存在不匹配，导致随机分配。

我会和Torsten协调一个固定的版本！同样的问题似乎潜伏在其他地方所以我们需要先做更多的检查。

同时，避免这种情况的最佳方法是在调用 lmtree（或 partykit 中似乎有相同问题的其他函数）之前删除未使用的级别。

lmtree 怀疑行为与因素

lmtree suspect behavior with factors

r

partitioning

party