Erreur lors de l'exécution de glmnet en multinomial [fermé]

Le problème mentionné dans cette question est résolu dans la version 1.7.3 du package R glmnet.

J'ai des problèmes avec glmnet avec family = multinomial et je me demandais si j'ai rencontré quelque chose de similaire ou si je pourrais être en mesure de me dire ce que je fais mal.

Lorsque je mets mes propres données fictives, l'erreur "Erreur d'application (nz, 1, médiane): dim (X) doit avoir une longueur positive" est signalée lorsque je cours cv.glmnet, ce qui en plus de dire "cela n'a pas fonctionné" n'était pas extrêmement informatif pour moi.

y=rep(1:3,20) #=> 60 element vector
set.seed(1011)
x=matrix(y+rnorm(20*3*10,sd=0.4),nrow=60) # 60*10 element matrix
glm = glmnet(x,y,family="multinomial")   #=> returns without error
crossval = cv.glmnet(x,y,family="multinomial")   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length
crossval = cv.glmnet(x,y,family="multinomial",type.measure="class")   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length
crossval = cv.glmnet(x,y,family="multinomial",type.measure="mae")   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length
cvglm = cv.glmnet(x,y,family="multinomial",lambda=2)   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length

Voici une description visuelle du problème que j'essayais d'obtenir de résoudre glmnet, si cela aide:

my_colours = c('red','green','blue')
plot(x[,1],x[,2],col=my_colours[y])

Je suis en mesure d'exécuter l'exemple de code à partir des documents du package, ce qui me fait penser que je ne comprends pas bien quelque chose ou qu'il y a un bogue dans glmnet.

library(glmnet)
set.seed(10101)
n=1000;p=30
x=matrix(rnorm(n*p),n,p) #=> 1000*30 element matrix
beta3=matrix(rnorm(30),10,3)
beta3=rbind(beta3,matrix(0,p-10,3))
f3=x%*% beta3
p3=exp(f3)
p3=p3/apply(p3,1,sum)
g3=rmult(p3) #=> 1000 element vector
set.seed(10101)
cvfit=cv.glmnet(x,g3,family="multinomial")

Ceci utilise R version 2.13.1 (2011-07-08) et glmnet 1.7.1, bien que je puisse générer le même problème sur R 2.14.1. Des idées des gens?

Il y a un bug subtil.

Ce qui se passe est le suivant: dans votre ensemble de données artificielles, les moyennes à trois groupes sont sur une ligne, et avec l'écart-type relativement petit utilisé, les trois groupes deviennent linéairement séparables dans votre espace à 10 dimensions. Par conséquent, tous les paramètres liés au deuxième groupe sont estimés à 0 pour tous$\lambda$ . Vérifier

coef(glm)

En interne, cv.glmnetil y a un appel à predictdéterminer pour chaque le nombre de coefficients non nuls. Essayer$\lambda$

predict(glm, type = "nonzero")

La structure est, à la lecture du cv.glmnetcode, supposée être une liste de listes, mais la deuxième entrée de la liste est NULL, et non une liste! Cela provoque l'erreur. Cela se produit dans ce bloc de code decv.glmnet

if (inherits(glmnet.object, "multnet")) {
    nz = predict(glmnet.object, type = "nonzero")
    nz = sapply(nz, function(x) sapply(x, length))
    nz = ceiling(apply(nz, 1, median))
}

Le résultat renvoyé par les deux sapplyappels imbriqués n'est pas une matrice comme prévu dans le dernier appel de apply. Cela génère l'erreur.

Il pourrait être très improbable de rencontrer l'erreur dans la pratique, mais le code devrait bien sûr être robuste aux cas extrêmes. Vous devez signaler le problème au responsable, Trevor Hastie (son e-mail est répertorié sur le lien).

Convertissez d'abord votre matrice par exemple

x sans réponse en numérique. Après cela, le (s) coefficient (s) significatif (s) contribuant au modèle trouvent par recherche des noms de famille ou des noms de domaine comme dans la structure des données, les variables sont.