Caret包 - 通过平滑和线性预测器交叉验证GAM

Question

我想用插入符号交叉验证GAM模型.我的GAM模型有一个二元结果变量,纬度和经度坐标对的各向同性平滑,然后是线性预测变量.使用mgcv时的典型语法是:

gam1 <- gam( y ~ s(lat , long) + x1 + x2, family = binomial(logit) )

我不太确定如何使用插入符号中的train函数指定此模型.这或多或少是我的语法:

cv <- train(y ~ lat + long + x1 + x2, 
            data = data, 
            method = "gam", 
            family = "binomial", 
            trControl = trainControl(method = "LOOCV", number=1, repeats=), 
            tuneGrid = data.frame(method = "GCV.Cp", select = FALSE))

问题是我只想平滑lat和long,并且x1和x2被视为线性.

谢谢!

Answer 1

看到有人mgcv在外面使用是非常有趣的mgcv.经过一番研究,我在这里挫败你:使用mgcvwith caret是一个坏主意,至少在目前的支持下caret.

如果你使用的话,让我问你几个基本问​​题caret:

1. 如何指定结的数量,以及平滑函数的样条基类？
2. 如何指定2D平滑功能？
3. 如何用te或指定张量积样条ti？
4. 你如何调整平滑参数？

如果你想知道caret::train在做什么method = "gam",请查看它的拟合程序:

getModelInfo(model = "gam", regex = FALSE)$gam$fit

function(x, y, wts, param, lev, last, classProbs, ...) { 
            dat <- if(is.data.frame(x)) x else as.data.frame(x)
            modForm <- caret:::smootherFormula(x)
            if(is.factor(y)) {
              dat$.outcome <- ifelse(y == lev[1], 0, 1)
              dist <- binomial()
            } else {
              dat$.outcome <- y
              dist <- gaussian()
            }
            modelArgs <- list(formula = modForm,
                              data = dat,
                              select = param$select, 
                              method = as.character(param$method))
            ## Intercept family if passed in
            theDots <- list(...)
            if(!any(names(theDots) == "family")) modelArgs$family <- dist
            modelArgs <- c(modelArgs, theDots)                 
            out <- do.call(getFromNamespace("gam", "mgcv"), modelArgs)
            out    
            }

你看到了这modForm <- caret:::smootherFormula(x)条线？那条线是关键,而其他线只是模型调用的常规构造.那么,让我们检查一下GAM公式caret正在构建的内容:

caret:::smootherFormula

function (data, smoother = "s", cut = 10, df = 0, span = 0.5, 
    degree = 1, y = ".outcome") 
{
    nzv <- nearZeroVar(data)
    if (length(nzv) > 0) 
        data <- data[, -nzv, drop = FALSE]
    numValues <- sort(apply(data, 2, function(x) length(unique(x))))
    prefix <- rep("", ncol(data))
    suffix <- rep("", ncol(data))
    prefix[numValues > cut] <- paste(smoother, "(", sep = "")
    if (smoother == "s") {
        suffix[numValues > cut] <- if (df == 0) 
            ")"
        else paste(", df=", df, ")", sep = "")
    }
    if (smoother == "lo") {
        suffix[numValues > cut] <- paste(", span=", span, ",degree=", 
            degree, ")", sep = "")
    }
    if (smoother == "rcs") {
        suffix[numValues > cut] <- ")"
    }
    rhs <- paste(prefix, names(numValues), suffix, sep = "")
    rhs <- paste(rhs, collapse = "+")
    form <- as.formula(paste(y, rhs, sep = "~"))
    form
}

简而言之,它创造了附加的,单变量的光滑.这是GAM首次提出时的经典形式.

为此mgcv,如前所列,您将失去大量控制权.

为了验证这一点,让我为您的案例构建一个类似的示例:

set.seed(0)
dat <- gamSim(eg = 2, scale = 0.2)$data[1:3]
dat$a <- runif(400)
dat$b <- runif(400)
dat$y <- with(dat, y + 0.3 * a - 0.7 * b)

#            y         x         z          a         b
#1 -0.30258559 0.8966972 0.1478457 0.07721866 0.3871130
#2 -0.59518832 0.2655087 0.6588776 0.13853856 0.8718050
#3 -0.06978648 0.3721239 0.1850700 0.04752457 0.9671970
#4 -0.17002059 0.5728534 0.9543781 0.03391887 0.8669163
#5  0.55452069 0.9082078 0.8978485 0.91608902 0.4377153
#6 -0.17763650 0.2016819 0.9436971 0.84020039 0.1919378

所以我们的目标是适合一个模型:y ~ s(x, z) + a + b.数据y是高斯数据,但这无关紧要; 它不会影响如何caret使用mgcv.

cv <- train(y ~ x + z + a + b, data = dat, method = "gam", family = "gaussian",
            trControl = trainControl(method = "LOOCV", number=1, repeats=1), 
            tuneGrid = data.frame(method = "GCV.Cp", select = FALSE))

您可以提取最终模型:

fit <- cv[[11]]

那么它使用什么配方？

fit$formula
#.outcome ~ s(x) + s(z) + s(a) + s(b)

看到？除了"添加,单变量"之外,它还将所有内容保留为mgcv::s默认值:默认值bs = "tp",默认值k = 10等.