R glmnet: "oggetto (elenco) non può essere forzato a digitare 'double'"

Question

Sto provando a utilizzare il pacchetto glmnet su un set di dati. Sto usando cv.glmnet() per ottenere un valore lambda per glmnet(). Ecco il set di dati e messaggio di errore:

> head(t2) 
    X1 X2  X3 X4 X5   X6 X7 X8 X9 X10 X11 X12 
1 1 1 0.7661266 45 2 0.80298213 9120 13 0 6 0 2 
2 2 0 0.9571510 40 0 0.12187620 2600 4 0 0 0 1 
3 3 0 0.6581801 38 1 0.08511338 3042 2 1 0 0 0 
4 4 0 0.2338098 30 0 0.03604968 3300 5 0 0 0 0 
5 5 0 0.9072394 49 1 0.02492570 63588 7 0 1 0 0 
6 6 0 0.2131787 74 0 0.37560697 3500 3 0 1 0 1 
> str(t2) 
'data.frame': 150000 obs. of 12 variables: 
$ X1 : int 1 2 3 4 5 6 7 8 9 10 ... 
$ X2 : int 1 0 0 0 0 0 0 0 0 0 ... 
$ X3 : num 0.766 0.957 0.658 0.234 0.907 ... 
$ X4 : int 45 40 38 30 49 74 57 39 27 57 ... 
$ X5 : int 2 0 1 0 1 0 0 0 0 0 ... 
$ X6 : num 0.803 0.1219 0.0851 0.036 0.0249 ... 
$ X7 : int 9120 2600 3042 3300 63588 3500 NA 3500 NA 23684 ... 
$ X8 : int 13 4 2 5 7 3 8 8 2 9 ... 
$ X9 : int 0 0 1 0 0 0 0 0 0 0 ... 
$ X10: int 6 0 0 0 1 1 3 0 0 4 ... 
$ X11: int 0 0 0 0 0 0 0 0 0 0 ... 
$ X12: int 2 1 0 0 0 1 0 0 NA 2 ... 
> cv1 <- cv.glmnet(t2[,-c(1,2,7,12)], t2[,2], family="multinomial") 
Error in lognet(x, is.sparse, ix, jx, y, weights, offset, alpha, nobs, : 
    (list) object cannot be coerced to type 'double' 

sto escludendo colonne 1,2,7,12 come sono: colonna ID, colonna di risposta, contengono NA di, e contengono NA di. Qualsiasi suggerimento sarebbe molto apprezzato.

Answer 1

cv.glmnet prevede una matrice di predittori, non un frame di dati. In generale si può ottenere questo tramite

X <- model.matrix(<formula>, data=<data>) 

ma nel tuo caso, probabilmente si può arrivare più facilmente con

X <- as.matrix(t2[,-c(1,2,7,12)]) 

dal momento che non sembra avere alcun variabili fattore o altri problemi che potrebbero complicare questioni.

---

Dal momento che questa risposta sta ottenendo un sacco di colpi: il glmnetUtils package fornisce un'interfaccia formula a base di glmnet, come quella utilizzata per la maggior parte delle funzioni di modellazione R. Comprende i metodi per glmnet e cv.glmnet e una nuova funzione cva.glmnet per eseguire crossvalidation sia per alpha che per lambda.

È possibile che questo sarebbe diventato

cv.glmnet(X2 ~ ., data=t2[-1], family="multinomial") 

NA di sono gestiti automaticamente, in modo da non dovete escludere colonne con valori mancanti.