在R Poisson迴歸中使用CARET和GAM（「gamSpline」方法）

Question

我正在嘗試使用插入程序包來調整gam模型的'df'參數以用於我的羣組分析。

數據如下：

cohort = 1:60 
age = 1:26 
grid = data.frame(expand.grid(age = age, cohort = cohort)) 
size = data.frame(cohort = cohort, N = sample(100:150,length(cohort), replace = TRUE)) 
df = merge(grid, size, by = "cohort") 

log_k = -3 + log(df$N) - 0.5*log(df$age) + df$cohort*(df$cohort-30)*(df$cohort-50)/20000 + runif(nrow(df),min = 0, max = 0.5) 
df$conversion = rpois(nrow(df),exp(log_k)) 

數據的說明：隊列號是潛在客戶的到達時間。 N是當時到達的潛在客戶的數量。轉化是那些「轉化」（買東西）的潛在客戶的數量。年齡是轉換髮生時該隊列的年齡（到達時間）。對於一個給定的隊列，隨着年齡的增長，轉換次數會減少。這種效應遵循冪律。 但是每個隊列的總轉化率也可以在時間上緩慢變化（隊列號）。因此，我想在我的模型中使用時間變量的平滑樣條。

我能適應從包GAM一個GAM模型

library(gam) 
fit = gam(conversion ~ log(N) + log(age) + s(cohort, df = 4), data = df, family = poisson) 
fit 
> Call: 
> gam(formula = conversion ~ log(N) + log(age) + s(cohort, df = 4), 
> family = poisson, data = df) 

> Degrees of Freedom: 1559 total; 1553 Residual 
> Residual Deviance: 1869.943 

但如果我嘗試使用插入符號包訓練模型

library(caret) 
fitControl = trainControl(verboseIter = TRUE) 
fit.crt = train(conversion ~ log(N) + log(age) + s(cohort,df), 
      data = df, method = "gamSpline", 
      trControl = fitControl, tune.length = 3, family = poisson) 

我得到這個錯誤：

+ Resample01: df=1 
model fit failed for Resample01: df=1 Error in as.matrix(x) : object 'N' not found 

- Resample01: df=1 
+ Resample01: df=2 
model fit failed for Resample01: df=2 Error in as.matrix(x) : object 'N' not found ..... 

請問有誰知道我在做什麼錯在這裏？

謝謝

Answer 1

你的代碼有兩個錯誤。

1. 的train功能會視所用的方法是有點乏味（如你已經注意到）。在method = "gamSpline"的情況下，train函數在公式中的每個獨立項上添加一個平滑項到。所以它會將您的變量轉換爲s(log(N), df),s(log(age) df)和s(s(cohort, df), df)。 等待s(s(cohort, df), df)真的沒有道理。所以您必須將s(cohort, df)更改爲cohort。

2. 我不知道爲什麼，但train與method = "gamSpline"不喜歡它，當你把公式中的函數（例如log）。我認爲這是由於這種方法已經將s()函數應用於您的變量。通過將日誌提前應用於變量可以解決此問題。如df$N <- log(df$N)或logN <- log(df$N)，並使用logN作爲變量。當然，對於age也是這樣。

我的猜測是，你不希望這種方法來平滑項適用於根據您所提供的代碼，所有的獨立變量。如果可能，我不確定這是否可行，以及如何去做。

希望這會有所幫助。

編輯：如果你想要比我在第2點提供的更優雅的解決方案，請務必閱讀@topepo的評論。如果我理解正確，這個建議還允許你將s()函數應用到你想要的變量。