我一直很难理解S3方法的调用文档，这次它又咬了我一口。
我要提前道歉，因为我有超过一个问题，但它们都密切相关。在一组复杂的函数中，我创建了许多glmnet拟合，特别是逻辑回归。现在，glmnet文档指定返回值具有两个类别：“glmnet”和（对于逻辑回归）“lognet”。实际上，它们按照此顺序指定。
然而，在查看glmnet实现末尾时，就在调用（内部函数）lognet后面，将fit的类设置为“lognet”，我在返回之前看到了这行代码：
class(fit) = c(class(fit), "glmnet")
根据这个，我可以得出结论，类的顺序实际上是"lognet"、"glmnet"。
不幸的是，我的拟合结果（如文档所建议）：
> class(myfit)
[1] "glmnet" "lognet"
这种方法的问题在于S3方法的分派，特别是
predict。这是predict.lognet的代码：function (object, newx, s = NULL, type = c("link", "response",
"coefficients", "class", "nonzero"), exact = FALSE, offset,
...)
{
type = match.arg(type)
nfit = NextMethod("predict") #<- supposed to call predict.glmnet, I think
switch(type, response = {
pp = exp(-nfit)
1/(1 + pp)
}, class = ifelse(nfit > 0, 2, 1), nfit)
}
我已经添加了一条评论来解释我的推理。现在，当我使用新的datamatrix mydata和type="response"调用此myfit的预测时，就像这样：
predict(myfit, newx=mydata, type="response")
根据文档，我没有得到预测的概率值，而是得到了线性组合，这正是立即调用 predict.glmnet 的结果。
我尝试过颠倒类别的顺序，像这样：
orgclass<-class(myfit)
class(myfit)<-rev(orgclass)
然后再次执行预测调用：喜闻乐见：它可以工作！我得到了概率。
所以，这里有一些问题：
- 我对“学习”S3方法会按类的出现顺序分配的理解正确吗？
- 如果我假设
glmnet中的代码会导致predict的正确派发顺序错误，那么我是正确的吗？ - 在我的代码中，没有明显/可见地操作类。 什么可能导致顺序改变？
library(glmnet)
y<-factor(sample(2, 100, replace=TRUE))
xs<-matrix(runif(100), ncol=1)
colnames(xs)<-"x"
myfit<-glmnet(xs, y, family="binomial")
mydata<-matrix(runif(10), ncol=1)
colnames(mydata)<-"x"
class(myfit)
predict(myfit, newx=mydata, type="response")
class(myfit)<-rev(class(myfit))
class(myfit)
predict(myfit, newx=mydata, type="response")
class(myfit)<-rev(class(myfit))#set it back
class(myfit)
根据生成的数据，差异或多或少明显（在我的真实数据集中，我注意到所谓概率值为负数，这就是我发现问题的方式），但确实应该看到差异。感谢任何意见。
编辑：我刚刚发现可怕的真相：glmnet 1.5.2 中的任何顺序都可以使用（该版本存在于我运行实际代码的服务器上，导致分类顺序颠倒的拟合），但是从1.6开始需要按照“lognet”、“glmnet”的顺序进行排序。我还没有检查在1.7中会发生什么。
感谢@Aaron提醒我信息学基础知识（除了“如果一切失败，请重新启动”之外，“检查您的版本”），我错误地认为由统计学习之神创建的程序包将受到此类错误的保护，以及感谢@Gavin确认了我对S3工作方式的重建。