使用带插入符号的 rpy2 尝试分类而不是回归

Question

我有在 Python 中创建和预处理的数据，我想将其导入 R 并使用 glmnet 执行 k 折交叉验证 LASSO 拟合。我想控制每次折叠中使用哪些观察结果，所以我想使用 caret 来执行此操作。

但是，我发现 caret 将我的数据解释为分类问题而不是回归问题，并迅速失败。我希望这是一个可重现的例子：

import numpy as np
import pandas as pd
import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri
from rpy2.robjects import numpy2ri
from rpy2.robjects.conversion import localconverter

pandas2ri.activate()
numpy2ri.activate()

# Import essential R packages
glmnet = importr('glmnet')
caret = importr('caret')
base = importr('base')

# Define X and y input 
dummy_x = pd.DataFrame(np.random.rand(10000, 5), columns=('a', 'b', 'c', 'd', 'e'))
dummy_y = np.random.rand(10000)

# Convert pandas DataFrame to R data.frame
with localconverter(robjects.default_converter + pandas2ri.converter): 
 dummy_x_R = robjects.conversion.py2rpy(dummy_x) 

# Use caret to perform the fit using default settings 
caret_test = caret.train(**{'x': dummy_x_R, 'y': dummy_y, 'method': 'glmnet'})

rpy2 失败，给出来自 R:

的神秘错误消息

RRuntimeError: Error: Metric RMSE not applicable for classification models

这可能是什么原因造成的？根据，caret 可能假设我的至少一个变量是整数类型，因此默认认为这是一个分类问题而不是回归问题。

但是，我已经使用 typeof 检查了 X 和 y，它们显然是双打：

base.sapply(dummy_x_R, 'typeof')                                                                                                                                                     
>>> array(['double', 'double', 'double', 'double', 'double'], dtype='<U6')

base.sapply(dummy_y, 'typeof')                                                                                                                                                       
>>> array(['double', 'double', 'double', ..., 'double', 'double', 'double'],
      dtype='<U6')

为什么会出现此错误？ train 的所有默认设置都假定为回归模型，那么为什么 caret 以这种方式使用时假定为分类模型？

Answer 1

在这种情况下，第一步是确定意外结果是来自 Python 或 rpy2 端，还是 R 端。

从 pandas 到 R 或 numpy 到 R 的转换似乎按预期工作，至少对于数组类型：

>>> [x.typeof for x in dummy_x_R]                                                         
[<RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>,
 <RTYPES.REALSXP: 14>]

我猜这就是您可能为 dummy_y 所做的。

>>> from rpy2.robjects import numpy2ri                                               
>>> with localconverter(robjects.default_converter + numpy2ri.converter):  
        dummy_y_R = robjects.conversion.py2rpy(dummy_y)
>>> dummy_y_R.typeof                                                                 
<RTYPES.REALSXP: 14>

但是，一个相当微妙的转换细节是问题的根源。 dummy_y_R 具有“形状”（R 中的属性 dim），而 caret 需要无形状的 R 数组（R 术语中的“向量”）以执行回归。可以强制 dummy_y 成为一个 R 向量：

caret_test = caret.train(**{'x': dummy_x_R,
                            'y': robjects.FloatVector(dummy_y),
                            'method': 'glmnet'})

Answer 2

要使用 R 方法，请确保所有输入都是 R 对象。因此，考虑将 dummy_y numpy 数组转换为 R 向量，您可以使用 base.as_double:

...
dummy_y_R = base.as_double(dummy_y)

caret.train(x=dummy_x_R, y=dummy_y_R, method='glmnet')

使用带插入符号的 rpy2 尝试分类而不是回归

Using rpy2 w/ caret attempts classification instead of regression

python

r

r-caret

rpy2

glmnet