如何解决迭代地拟合线性模型并使用 varImp() 计算迭代中所有预测变量的变量重要性
我想迭代拟合线性模型 (= LM) 并在每次迭代后使用 caret::varImp()
函数计算各个变量/预测变量的变量重要性。我的数据表和天数如下所示(dt.train
的列数总是可以不同,days
变量也可以):
d <- 50
## Create random data table: ##
dt.train <- data.table(date = seq(as.Date('2020-01-01'),by = '1 day',length.out = 366),"DE" = rnorm(366,35,1),"Wind" = rnorm(366,5000,2),"Solar" = rnorm(366,3,"Nuclear" = rnorm(366,100,5),"ResLoad" = rnorm(366,200,3),check.names = FALSE)
我也已经有一个函数可以每 d
天(此处为 d<-50
)为我计算一次:
varImportance <- function(data){
## Model fitting: ##
lmModel <- stats::lm(DE ~ .-1-date,data = data)
terms <- attr(lmModel$terms,"term.labels")
varimp <- caret::varImp(lmModel)
importance <- data[,.(date,imp = t(varimp))]
}
## Get variable importance: ##
dt.importance <- dt.train[,varImportance(.SD),by = seq_len(nrow(dt.train)) %/% d]
现在我想要一个循环来为我构建迭代,如下所示:
1.运行: 使用从“2020-01-01”到“2020-02-20”(这里正好是 50 天)的数据进行模型拟合
2.运行: 用“2020-01-02”到“2020-02-21”的数据进行模型拟合
3.运行:用“2020-01-03”到“2020-02-22”的数据进行模型拟合
... 等等
上次运行:使用“2020-11-11”到“2020-12-31”的数据进行模型拟合
变量重要性应始终保存在新表中以匹配模型拟合,即:
1 的变量重要性。运行: 应声明为“2020-01-01”,
2 的变量重要性。运行: 应声明为“2020-01-02”,
...等等
Last Run: 的变量重要性应声明为“2020-11-11”。
这怎么可能?
解决方法
您可以使用 rollapply
包中的 zoo
。
重要的论点是:
-
width
设置窗口 -
by.column = FALSE
将所有列一起传递给模型 -
aligned = 'left'
以便滚动窗口从第一个数据点开始
由于 rollapply
适用于矩阵,它将 dates
与 numeric
混合转换为 character
、see,因此 date
字段具有分开处理。
library(data.table)
library(caret)
library(zoo)
d <- 50
## Create random data table: ##
dt.train <- data.table(date = seq(as.Date('2020-01-01'),by = '1 day',length.out = 366),"DE" = rnorm(366,35,1),"Wind" = rnorm(366,5000,2),"Solar" = rnorm(366,3,"Nuclear" = rnorm(366,100,5),"ResLoad" = rnorm(366,200,3),check.names = FALSE)
varImportance <- function(data){
## Model fitting: ##
lmModel <- stats::lm(DE ~ .-1,data = data.table(data))
terms <- attr(lmModel$terms,"term.labels")
varimp <- caret::varImp(lmModel)
importance <- t(varimp)
}
# Removing date because rollapply needs a unique type
Importance <- as.data.frame(zoo::rollapply(dt.train[,!"date"],FUN = varImportance,width = d,by.column=FALSE,align='left')
)
# Adding back date
Importance <- cbind(dt.train[1:nrow(Importance),.(date)],Importance)
Importance
#> date Wind Solar Nuclear ResLoad
#> 1: 2020-01-01 2.523219 1.0253985 0.1676970 0.80379590
#> 2: 2020-01-02 2.535376 1.3231915 0.3292608 0.78803748
#> 3: 2020-01-03 2.636790 1.5249620 0.4857825 0.85169700
#> 4: 2020-01-04 3.158113 1.1318521 0.1869724 0.24190772
#> 5: 2020-01-05 3.326954 1.0991870 0.2341736 0.09327451
#> ---
#> 313: 2020-11-08 4.552528 0.8662639 0.8824743 0.22454327
#> 314: 2020-11-09 4.464356 0.8773634 0.8845554 0.19480862
#> 315: 2020-11-10 4.532254 0.8230178 0.7147899 0.38073588
#> 316: 2020-11-11 4.415192 0.7462676 0.8225977 0.32353235
#> 317: 2020-11-12 3.666675 0.3957351 0.6607121 0.19661800
此解决方案比您已经使用的函数花费的时间更多,因为它的计算量是 chunck 版本的 50 倍。也不可能使用 data.table::frollapply
,AFAIK 只能输出一维向量。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。