predict.glmnet: 一些因子在新数据中只有一个水平

Question

我已经使用 glmnet 在 R 中训练了一个弹性网络模型，并想用它来对新数据集进行预测。

但是我在生成用作 predict() 方法参数的矩阵时遇到了问题，因为我在新数据集中的一些因子变量（表示存在合并症的虚拟变量）只有一个级别（从未观察到合并症），这意味着我不能使用

model.matrix(RESPONSE ~ ., new_data)

因为它给了我（预期的）

Error in contrasts<-(*tmp*, value = contr.funs[1 + isOF[nn]]) : contrasts can be applied only to factors with 2 or more levels

我不知道如何解决这个问题。在这种情况下，R 中有没有一种方法可以构造一个合适的矩阵用于 predict() ，或者我是否需要在 R 之外准备矩阵？无论哪种情况，我该怎么做？

这是一个重现我遇到的问题的玩具示例：

x1 <- rnorm(100)
x2 <- as.factor(rbinom(100, 1, 0.6))
x3 <- as.factor(rbinom(100, 1, 0.4))
y <- rbinom(100, 1, 0.2)

toy_data <- data.frame(x1, x2, x3, y)
colnames(toy_data) = c("Continuous", "FactorA", "FactorB", "Outcome")

mat1 <- model.matrix(Outcome ~ ., toy_data)[,-1]
y1 <- toy_data$Outcome

new_data <- toy_data
new_data$FactorB <- as.factor(0)

#summary(new_data) # Just to verify that FactorB now only contains one level

mat2 <- model.matrix(Outcome ~ ., new_data)[,-1]

Answer 1

您可以设置数据集的 levels 以匹配示例中完整数据集的 levels。即使变量中不存在该值，因子也可以在 levels 中存在值。

您可以使用 factor() 中的 levels 参数执行此操作：

new_data$FactorB <- factor(0, levels = levels(toy_data$FactorB))

或者使用带赋值的levels()函数：

levels(new_data$FactorB) <- levels(toy_data$FactorB)

无论使用哪种方法，model.matrix() 都可以在您拥有多个关卡后正常工作：

head( model.matrix(Outcome ~ ., new_data)[,-1] )
   Continuous FactorA1 FactorB1
1 -1.91632972        0        0
2  1.11411267        0        0
3 -1.21333837        1        0
4 -0.06311276        0        0
5  1.31599915        0        0
6  0.36374591        1        0

predict.glmnet: 一些因子在新数据中只有一个水平

predict.glmnet: Some Factors Have Only One Level in New Data

r

logistic-regression

glmnet

model.matrix