预测glmnet()的问题：“对比只能适用于2级或2级以上的因素”

Question

我使用R的glmnet软件包训练了一个受惩罚的回归模型，X使用一个sparse.model.matrix构造，公式为"~ .* (var1)“，以便从我的数据和与var1的交互中获得每个术语：

X3 <- sparse.model.matrix(object = ~.*(var1), data = X)[,-1]

cv_lasso  <- cv.glmnet(x = X3, y = Y3, 
                       alpha = 1,
                       nfold = 10,
                       family = "binomial",
                       nlambda = 100,
                       lambda.min.ratio=0.001,
                       type.measure="auc",
                       keep = TRUE,
                       parallel = TRUE)

现在，我正在尝试预测几个数据点，但是当将newX转换为与predict.glmnet()一起使用的model.matrix时，如下所示：

X_pred <- sparse.model.matrix(object = ~.*(var1), data = X_holdout)
predict(object =  cv_lasso,
        newx = X_pred,
        s = "lambda.min")

但我得到了以下错误：

Error in contrasts<-(*tmp*，value = contr.funs[1 + isOFnn])：对比只适用于2级或2级以上的因素

我相信这可能是由X_holdout的几个列造成的，这些列基本上是常量的(这是正确的，因为我现在正试图预测，我已经成功地训练了)。

我怎样才能避免这个问题？我的理解是，由于我使用交互来训练我的模型，所以我必须在我的预测中创建一个具有相同交互作用的模型矩阵。

Answer 1

找到了问题的根源:一些预测X列是常量的，因为持久化数据明显小于训练数据。

为了解决这个问题，我需要使用"xlevs“参数来为训练数据和预测数据创建稀疏矩阵，并且都使用相同的xlev。

如果您不知道"xlev“是什么，它基本上是一个字符向量列表，它指示将因子变量展开为虚拟/一个热列时要使用的级别。这样，即使您有一个只有一个值的列，sparse.matrix.model()也可以理解有更多的级别，只是它们不存在于数据中。这个参数还将帮助您确保训练矩阵和预测矩阵都有相同的列数，这对于predict.glmnet()非常重要。