factors/characters 问题的递归划分

Question

目前我正在处理数据集predictions。在此数据中，我已将清晰的字符类型变量转换为因子，因为我认为因子比 glmtree() 代码中的字符更有效（如果我对此有误，请告诉我）：

> str(predictions)
'data.frame':   43804 obs. of  14 variables:
$ month        : Factor w/ 7 levels "01","02","03",..: 6 6 6 6 1 1 2 2 3 3 ...
$ pred         : num  0.21 0.269 0.806 0.945 0.954 ...
$ treatment    : Factor w/ 2 levels "0","1": 1 1 2 2 2 2 2 2 2 2 ...
$ type         : Factor w/ 4 levels "S","MS","ML",..: 1 1 4 4 4 4 4 4 4 4 ...
$ i_mode     : Factor w/ 143 levels "AAA","ABC","CBB",..: 28 28 104 104 104 104 104 104 104 104 ...
$ r_mode  : Factor w/ 29 levels "0","5","8","11",..: 4 4 2 2 2 2 2 2 2 2 ...
$ in_mode: Factor w/ 22 levels "XY",..: 11 11 6 6 6 6 6 6 6 6 ...
$ v_mode     : Factor w/ 5 levels "1","3","4","7",..: 1 1 1 1 1 1 1 1 1 1 ...
$ di        : num  1157 1157 1945 1945 1945 ...
$ cont    : Factor w/ 5 levels "AN","BE",..: 2 2 2 2 2 2 2 2 2 2 ...
$ hk          : num  0.512 0.512 0.977 0.977 0.941 ...
$ np           : num  2 2 2 2 2 2 2 2 2 2 ...
$ hd          : num  1 1 0.408 0.408 0.504 ...
$ nd           : num  1 1 9 9 9 9 7 7 9 9 ...

我想估计这种递归划分模型：

library("partykit")
glmtr <- glmtree(formula = pred ~ treatment + 1 | (month+type+i_mode+r_mode+in_mode+v_mode+di+cont+np+nd+hd+hk),   
                 data = predictions, 
                 maxdepth=6,
                 family = quasibinomial)

我的数据没有任何NA。但是，出现以下错误（即使按因子更改字符后）：

Error in matrix(0, nrow = mi, ncol = nl) : 
  invalid 'nrow' value (too large or NA)
In addition: Warning message:
  In matrix(0, nrow = mi, ncol = nl) :
  NAs introduced by coercion to integer range

有线索吗？

谢谢

Answer 1

你是对的，glmtree() 和基础 mob() 函数期望分割变量是名义信息情况下的因素。但是，从计算上讲，这仅适用于水平数量有限的因素，因为该算法将尝试将所有可能的水平数量划分为两组。因此，对于您的 i_mode 因素，这需要通过 nl 级别，并且 mi 分成两组：

nl <- 143
mi <- 2^(nl - 1L) - 1L
mi
## [1] 5.575186e+42

在内部，mob() 尝试创建一个矩阵来存储与相应分区模型关联的所有对数似然。这是不可能的，因为无法表示这样的矩阵。（即使可以，也不会完成所有关联模型的拟合。）不可否认，错误消息不是很有用，应该加以改进。我们将在软件包的下一次修订中对此进行研究。

为了解决这个问题，我建议将变量i_mode、r_mode和in_mode变成更适合穷举搜索二分法的变量。也许，有些变量实际上是有序的？如果是这样，我建议将它们转换为序数因子，或者在 i_mode 的情况下甚至转换为数字变量，因为级别数足够大。或者，您可以创建几个具有关于不同级别的不同属性的因子，然后可以将其用于分区。

factors/characters 问题的递归划分

Recursive partitioning for factors/characters problem

tree

r

party

glm

data-partitioning