将逻辑回归应用于r中的函数

Question

我想运行多个参数的逻辑回归并存储不同的指标IE AUC。 我在下面编写了该功能，但是当我调用它时会出现错误：即使在我的培训和测试数据集中存在变量，也找不到object'x0'的错误（prefvars，data，env）：也找不到对象'x0'。有什么想法吗？

new.function <- function(a) {
  model = glm(extry~a,family=binomial("logit"),data = train_df)
  pred.prob <- predict(model,test_df, type='response')
  predictFull <- prediction(pred.prob, test_df$extry)
  auc_ROCR <- performance(predictFull, measure = "auc")

  my_list <- list("AUC" =  auc_ROCR)
  return(my_list) 
}

# Call the function new.function supplying 6 as an argument.
les <- new.function(X0)

Answer 1

您的功能不起作用的主要原因是您试图将对象调用为公式。您可以使用粘贴公式函数来修复它，但这最终是非常有限的。

我建议您考虑使用更新。这使您可以通过多个变量组合更改更改，或更改训练数据集，而不会破坏功能。

model = glm(extry~a,family=binomial("logit"),data = train_df)
new.model = update(model, .~X0)


new.function <- function(model){
  pred.prob <- predict(model, test_df, type='response')
  predictFull <- prediction(pred.prob, test_df$extry)
  auc_ROCR <- performance(predictFull, measure = "auc")

  my_list <- list("AUC" =  auc_ROCR)
  return(my_list) 
}


les <- new.function(new.model)

可以通过将test_df作为单独的参数来进一步改进该函数，以便您可以与替代测试数据拟合。

Answer 2

要以您预期的方式运行功能，您需要使用非标准评估来捕获符号并将其插入公式。这可以使用match.call和as.formula来完成。这是一个使用虚拟数据的完全可复制的示例：

new.function <- function(a) {
  
  # Convert symbol to character
  a <- as.character(match.call()$a)
  
  # Build formula from character strings
  form <- as.formula(paste("extry", a, sep = "~"))
  
  model <- glm(form, family = binomial("logit"), data = train_df)
  pred.prob <- predict(model, test_df, type = 'response')
  predictFull <- ROCR::prediction(pred.prob, test_df$extry)
  auc_ROCR <- ROCR::performance(predictFull, "auc")

  list("AUC" =  auc_ROCR)
}

现在我们可以以您预期的方式调用该功能：

new.function(X0)
#> $AUC
#> A performance instance
#>   'Area under the ROC curve'

new.function(X1)
#> $AUC
#> A performance instance
#>   'Area under the ROC curve'

如果您想查看曲线下的实际区域，则需要进行：

new.function(X0)[email protected][[1]]
#> [1] 0.6599759

因此，您可能希望修改您的功能，以便列表包含>而不是auc_rocr

---

使用的数据

set.seed(1)

train_df <- data.frame(X0 = sample(100), X1 = sample(100))
train_df$extry <- rbinom(100, 1, (train_df$X0 + train_df$X1)/200)

test_df  <- data.frame(X0 = sample(100), X1 = sample(100))
test_df$extry <- rbinom(100, 1, (test_df$X0 + test_df$X1)/200)

^{在2022-06-29上创建的 reprex软件包（v2.0.1）}