問題タブ [multinomial]

nnet パッケージの multinom を使用して、ロジスティック回帰モデルを 3 つのクラスで構成されるデータに適合させていますが、クラスの普及率はバランスが取れていません。特定のクラスの誤分類を避けるようにモデルに指示するために、重み/ペナルティを割り当てたいと思います。ここに私のコードと私のデータのスライスがあります:

誤分類のペナルティを割り当てる方法を知っている人はいますか? 具体的には、10:5:1 (クラス 1、2、3 に対応) のペナルティ比を割り当てたいと思います。つまり、クラス 1 で正確であることを本当に望んでいます。ターゲット変数 cut.rank の分布は ~ 0.04,0.08 です。 0.88。クラス 1 は有病率が低いため、そのクラスのモデル感度は低くなります。

私はRに関連して初めて、ロジスティック回帰モデルをフィッティングするためのnnetパッケージの関数multinomが、特定のクラスの誤分類を避けるようにモデルに指示するために、重み/ペナルティの割り当てを有効にするかどうか疑問に思っていました. 分布が大きく異なる 3 つのクラスがあり、データセットのバランスが大きく崩れています。そのため、重み/ペナルティにより、有病率の低いクラスでモデルの精度を高めることができると考えました。これは呼び出しです：

gbm現在、多項式モデルをラスターブリックに予測することはできないようです。ただし、比較的小さなラスター グリッドの場合は、これを回避する簡単な方法があることを確認してください。これについては以下で説明します。しかし、ここでのプロセスは非常に遅く、大規模なラスター、多くのクラス (私の場合は植生群集)、および予測変数を扱う場合、課題がないわけではありません。以下の情報が、同じ課題に直面する人の役に立てば幸いです。

以下では、多項 gbm モデルと 20 の予測変数を使用して、36 の植生群落の発生確率を予測しようとしています。私の研究領域は、213,000,000 ピクセルの 30x30m ラスター グリッドですが、以下のコードは、プロセスの開発/テストに使用した 1221 セルの小さなグリッドに関連しています。

次のように、予測変数をラスター スタックにスタックしました。

rasStack の名前が上のモデルの名前と同じであることを確認することが重要です。

predict.gbm を実行する前に、最適な反復モデルを呼び出します

グリッド セルを一連の空間ポイントに変換することで、1221 個のセルを含むテスト エリアの一連のラスター出力画像を作成できます (以下を参照)。

predict.gbm モデルを実行するには

次の方法で、predtable から 36 個の新しいラスター イメージのセットに発生確率値を書き込むことができます。

これにより、必要な出力が得られます-ただし、データフレームを予測する必要はありません-ラスターブリックに直接予測することができれば、プロセスははるかに高速で効率的になります。

私が走れば

出力は、予測したい最初の植生コミュニティを表すラスター グリッドです。

IDRISI ファイル形式はマルチバンド イメージをサポートしていないため、ミックスに index=1:36 を追加してマルチバンド ラスターブリックを出力として生成することはできません。これを実行しようとすると、format="GTiff" または "HFA" (または rgdal を必要とするその他の形式) を設定すると、次のエラー メッセージが表示

されます。 1、オフセット = オフ) : ラスター IO 中のエラー"

ただし、format="raster" を設定すると、rasterbrick 出力を取得できますが、idrisi 画像 (predict.gbm モデルの最初の出力列) 以外のデータを読み書きすることはできません。

「警告メッセージ: In .rasterFromRasterFile(grdfile, band = band, objecttype, ...) : 値ファイルのサイズがセルの数と一致しません (指定されたデータ型)」

上記のラスターブリックを個々のラスター画像のセットに変換しようとすると

どの画像も意味をなさない。

また、マルチバンド CDF イメージとして書き込もうとすると、rgdal エラーとは異なる一連の警告メッセージが表示されることも少し不可解です。

ここで、何が起こっているのかわかりませんか??

上記の問題に遭遇することなく、rasterbrick に直接予測できるようにするために、gbm パッケージの作成者と協力できる方法を知っている人がいれば素晴らしいことです。

完全なラスター グリッドで使用したコードを誰かが知りたい場合は、下にコメントを残してください。喜んで提供します。

乾杯アレン

R で mlogit モデルを正常に実行した後、限界効果を取得しようとすると、次のようなエラーが表示されます。

別の投稿で説明されているように、ソース コードの行番号 16 を変更しようとしても、同じエラーが発生します。どんな助けでも大歓迎です。私の変数はすべて代替固有のものではありません。私には4つの選択肢があります。

以下は、Web に投稿された同様の質問へのリンクですが、そこに投稿された解決策に苦労しています。 R における mlogit の限界効果 よろしくお願いし ます

numpy.random.multinomial(1,val) NumpyMultinomialを使用しています。ここで、val は 1 次元の numpy 配列です。関数は次のエラーを返します。

ValueError('sum(pvals[:-1]) > 1.0',)

ただし、使用して入力配列 val の合計を確認したところ、val.sum()正確に 1 になりました。多項式関数にバグがあるかどうかはわかりません。誰かがこれで私を助けることができますか？または、多項分布を使用したサンプリングに使用できる他の python モジュールはありますか?

mlogit() パッケージを使用して、R でネストされた Logit モデルを実行しました。現在、限界効果/弾力性を測定しようとしていますが、引き続きエラーが発生します。ここでは、パッケージの作成者がビネットを変更してエラーを再現しました。

次のエラーが表示されます。

これは、ネストされたモデル (通常の多項ロジットなど) がない場合に正常に機能し、以前のスタックオーバーフローの質問でカバーされていますが、変更されたデータ フレーム (でこの場合平均フレーム z)。

ここでの解決策は次のとおりです。Rでのmlogitの限界効果は役に立ちませんでした。

次の問題に直面しています:スライディング ウィンドウに MNB 分類子を実装しようとしています。ウィンドウのサイズの LinkedList を実装し、考慮する必要があるストリームのすべてのインスタンスを格納します。ウィンドウに収まらなくなった新しいインスタンスが到着すると、最初のインスタンスが削除されます。対応する単語数を削除するために、moa による trainOnInstanceImpl() と基本的に同じ次のメソッドを実装しました。

ここで、m_wordTotalForClass[classValue] を出力すると、ウィンドウ サイズが 1000 のスライディング ウィンドウ MNB (上記参照) と同様に、インスタンス 2000-3000 の 3000 インスタンスを持つストリーム上の従来の MNB に対して異なる結果が得られます。いくつかの時点で 0 ではなく 1 を出力しますが、常にではありません。これはラプラス補正と関係があると思います。if ステートメントの丸めに問題がある可能性があります。

ラプラス値が設定されている部分に常に入らないようにします。

誰かアイデアがありますか？この 3 日間、どこに問題があるのか​​を考えていたので、気が狂いそうです。どんな助けでも大歓迎です！

rjags を使用して以下のモデルを適合させようとしていますが、次元の不一致エラーが発生します。モデルは WinBUGS でうまく動作しますが、コードを変更する方法がわかりません。助けてくれてありがとう。

データ：

チェーンの初期値

モデル

エラー

jags.model(file = "model.txt", data = dataset, inits = inits, のエラー: 実行時エラー: ノードを y1[1:2,1:2] に挿入できません。次元の不一致