Помилка під час запуску glmnet у мультиноміальному [закритому]

Проблема, згадана в цьому питанні, виправлена ​​у версії 1.7.3 glmnet пакета R.

У мене виникають проблеми з керуванням glmnet з сім'єю = багаточлен, і мені було цікаво, чи трапляється щось подібне або, можливо, можна сказати мені, що я роблю не так.

Коли я вкладаю свої власні манекенні дані, під час запуску повідомляється про помилку "Помилка при застосуванні (nz, 1, медіана): dim (X) повинна мати позитивну довжину" cv.glmnet, яка, окрім того, що сказати, що "не працює" не було для мене надзвичайно інформативним.

y=rep(1:3,20) #=> 60 element vector
set.seed(1011)
x=matrix(y+rnorm(20*3*10,sd=0.4),nrow=60) # 60*10 element matrix
glm = glmnet(x,y,family="multinomial")   #=> returns without error
crossval = cv.glmnet(x,y,family="multinomial")   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length
crossval = cv.glmnet(x,y,family="multinomial",type.measure="class")   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length
crossval = cv.glmnet(x,y,family="multinomial",type.measure="mae")   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length
cvglm = cv.glmnet(x,y,family="multinomial",lambda=2)   #=> Error in apply(nz, 1, median) : dim(X) must have a positive length

Ось наочний опис проблеми, яку я намагався вирішити у glmnet, якщо це допомагає:

my_colours = c('red','green','blue')
plot(x[,1],x[,2],col=my_colours[y])

Я можу запустити приклад коду з пакунків Документи, що робить мене впевненим, що я або щось не розумію, або що в glmnet є помилка.

library(glmnet)
set.seed(10101)
n=1000;p=30
x=matrix(rnorm(n*p),n,p) #=> 1000*30 element matrix
beta3=matrix(rnorm(30),10,3)
beta3=rbind(beta3,matrix(0,p-10,3))
f3=x%*% beta3
p3=exp(f3)
p3=p3/apply(p3,1,sum)
g3=rmult(p3) #=> 1000 element vector
set.seed(10101)
cvfit=cv.glmnet(x,g3,family="multinomial")

Для цього використовується R версія 2.13.1 (2011-07-08) та glmnet 1.7.1, хоча я можу генерувати ту саму проблему на R 2.14.1. Якісь ідеї люди?

Є тонкий клоп.

У цьому наборі штучних даних три групові засоби знаходяться на лінії, і при використанні відносно невеликого стандартного відхилення три групи стають лінійно відокремленими у вашому 10-мірному просторі. Як наслідок, всі параметри, що відносяться до другої групи, оцінюються в 0 для всіх$\lambda$. Перевірити

coef(glm)

Всередині cv.glmnetє заклик predictвизначитися з кожним$\lambda$кількість ненульових коефіцієнтів. Спробуйте

predict(glm, type = "nonzero")

Структура, зчитуючи cv.glmnetкод, повинна бути списком списків, але другий запис у списку - NULL, а не список! Це спричиняє помилку. Це відбувається в цьому блоці коду відcv.glmnet

if (inherits(glmnet.object, "multnet")) {
    nz = predict(glmnet.object, type = "nonzero")
    nz = sapply(nz, function(x) sapply(x, length))
    nz = ceiling(apply(nz, 1, median))
}

Результат, повернутий з двох вкладених sapplyвикликів, не є матрицею, як очікувалося в останньому дзвінку apply. Це генерує помилку.

На практиці це може бути дуже малоймовірним, але, звичайно, код повинен бути надійним у надзвичайних випадках. Ви повинні повідомити про проблему з технічним обслуговувачем, Тревором Хасті (його електронний лист вказаний за посиланням).

Спочатку конвертуйте матрицю, наприклад

x без відповіді на числовий. Після цього значущий коефіцієнт (и), що сприяє моделі, знаходять пошукові імена або назви рядків, як у структурі даних змінні.