使用配方在所有字段之间执行配对交互

Question

我正在尝试在 glmnet 模型的数据集的每个字段之间创建配对交互，而不必单独命名每个字段。但是，当它尝试自动执行此操作时，它会挂断为针对自身的单热编码分类变量的所有变体创建它们（例如，它会在 Gender_Male 和 Gender_Female 之间创建一个交互列，然后找不到任何值，所以整个东西都充满了 NaNs)，然后 glmnet 抛出错误。

下面是一些示例代码：

library(dplyr)
library(tidyr)
library(rsample)
library(recipes)
library(glmnet)

head(credit_data)

t <- credit_data %>%
  mutate(Status = as.character(Status)) %>%
  mutate(Status = if_else(Status == "good", 1, 0)) %>%
  drop_na()

set.seed(1234)
partitions <- initial_split(t, prop = 9/10, strata = "Status")

parsed_recipe <- recipe(Status ~ ., data = t)  %>%
  step_dummy(one_hot = TRUE, all_predictors(), -all_numeric()) %>%
  step_interact(~.:.) %>% #My attempt to apply the interaction
  step_scale(all_predictors()) %>%
  prep(training = training(partitions))

train_data <- bake(parsed_recipe, new_data = training(partitions))
test_data <- bake(parsed_recipe, new_data = testing(partitions))

fit <- train_data %>%
  select(-Status) %>%
  as.matrix() %>%
  glmnet(x = ., y = train_data$Status, family = "binomial", alpha = 0)

当我运行最后的 glmnet 部分时，它给我这个错误：

Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  : 
  NA/NaN/Inf in foreign function call (arg 5)

看了this问题，我意识到数据中一定有NAs / NaNs，所以我运行 summary(train_data),结果看起来像这样：

所以，glmnet 感到沮丧并不奇怪，但我也不确定如何解决它。我真的不想自己手动定义每一个配对。是否有 recipes 命令删除包含 NaN 的潜在预测列，也许？

Answer 1

我不确定它是否是一个完美的（甚至好的）解决方案，但我使用答案 here 找到包含 [=11] 的列=]s，然后将它们全部删除。

所以 parsed_recipe 之后的位被切换为：

interim_train <- bake(parsed_recipe, new_data = training(partitions))

columns_to_remove <- colnames(interim_train)[colSums(is.na(interim_train)) > 0]

train_data <- interim_train %>%
  select(-columns_to_remove)

summary(train_data)

test_data <- bake(parsed_recipe, new_data = testing(partitions)) %>%
  select(-columns_to_remove)

到目前为止，它的表现似乎更有前途。

使用配方在所有字段之间执行配对交互

Performing pairways interactions between all fields using recipes

r

tidymodels