Question

我正在尝试使用惩罚回归使用预测器的月份和时间来预测数据列y。我想在一个预测变量上包括一个正约束，而在另一个预测变量上不包含。如果我使用Positive = TRUE或Positive = FALSE，一切都很好，但是如果我使用Positive = c（T，T）或Positive = c（T，F），则会出现以下错误：

.checkinput（match.call（），parent.frame（））中的错误： “正”的长度与“罚分”的列数不匹配

尽管约束的长度和预测变量的长度匹配。

当数字为数字时，月预测变量是一个因素。但是，将month更改为数字变量也无济于事。这是我的代码：

library(penalized)
df<-data.frame(date=seq(as.Date("2018-01-01"), as.Date("2018-10-01"), by="days"))
df$month<-format(as.Date(df$date), "%m")
df$y<-runif(nrow(df),1,100)
df$time<- -floor(nrow(df)/2):(ceiling(nrow(df)/2)-1)/1000
df$month<-as.factor(df$month)

training<-df[1:200,]
test<-df[201,]

ens<-penalized(y, ~ month+time, ~ 0,lambda1=1, lambda2=1, positive =c(F,T), data=training)

pred<-predict(ens,~ month + time, ~0,data=test)

有人能发现这里有什么问题吗？

Answer 1

month是分类的，因此在幕后您将获得一个包含11列的设计矩阵（一月到十月+时间变量）。解决了这个问题：

ens<-penalized(y, ~ month+time, ~ 0,lambda1=1, lambda2=1, positive =c(rep(F,10),T), data=training)

惩罚回归：“正”的长度不匹配

1 个答案: