glmnet在逻辑回归/二项式中的错误

Question

当我尝试使用family="binomial"拟合glmnet()进行逻辑回归拟合时，出现了以下错误：

> data <- read.csv("DAFMM_HE16_matrix.csv", header=F)
> x <- as.data.frame(data[,1:3])
> x <- model.matrix(~.,data=x)
> y <- data[,4]

> train=sample(1:dim(x)[1],287,replace=FALSE)

> xTrain=x[train,]
> xTest=x[-train,]
> yTrain=y[train]
> yTest=y[-train]

> fit = glmnet(xTrain,yTrain,family="binomial")

Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs,  : 
one multinomial or binomial class has 1 or 0 observations; not allowed

任何帮助都将不胜感激-我已经在互联网上搜索了很久，但没能找到任何有用的信息。

编辑：

以下是数据的样子：

> data
          V1       V2    V3      V4
1   34927.00   156.60 20321  -12.60
2   34800.00   156.60 19811  -18.68
3   29255.00   156.60 19068    7.50
4   25787.00   156.60 19608    6.16
5   27809.00   156.60 24863   -0.87
...
356 26495.00 12973.43 11802    6.35
357 26595.00 12973.43 11802   14.28
358 26574.00 12973.43 11802    3.98
359 25343.00 14116.18 11802   -2.05

- user3889389

---

你确定你的 yTrain 包含至少两个不同的值吗？ - Hong Ooi

@HongOoi 当然可以。有287个不同的值，我检查过确保它不是矩阵而是向量。 - user3889389

等一下，你的 V4 变量似乎是连续的，而不是二进制的。你不能用它来拟合逻辑回归模型。 - Hong Ooi

@HongOoi 把这个作为注释，我会接受为答案。 - user3889389

这个错误有时也可能是合理的（当目标变量为因子时），例如在cv.glmnet中，对于某些随机种子的选择，尤其是在存在严重类别不平衡情况下，当CV折叠中有一个只有0或1个观测值时会发生。由于这是随机发生的，您必须妥善处理它。 - smci

Answer 1

我认为这是由于您的因子变量级别造成的。假设有10个级别，而您的1级只有一条记录，请尝试删除此级别。您可以使用 gdata 包中的 drop levels。

- prahlad

---

或者，如果您正在训练的数据只是总数据集的一部分（应该是这样），请使用更多数据作为您的训练集，直到错误消失。您可以尝试通过执行“table（myData $ responseColumn）”来估计是否存在人口不足的类别。 - radumanolescu

Answer 2

这通常是由于数据结构及其响应变量的原因，有时响应具有多个二进制输出。或者数据响应变量具有二进制输出结果，但它们中有更多的一类和另一类，我们可能称之为类别不平衡问题。因此，在训练和测试数据时会遇到问题。所以，如果有超过两种结果，则必须将响应变量转换为二进制；其次，可以根据binomial的情况应用multinomial。希望这能帮到你。

- Muhammad Naeem