หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

NOSTFS: การเลือกไปข้างหน้าข้าม (ซ้อนกัน)

NOSTFS ให้การใช้งานการเลือกไปข้างหน้าตามการถดถอยเชิงเส้นและโลจิสติกซึ่งใช้การตรวจสอบข้ามเป็นองค์ประกอบหลักของขั้นตอนการเลือก

การเลือกไปข้างหน้าเป็นวิธีที่ช้าโดยเนื้อแท้สำหรับแต่ละตัวแปรจะต้องติดตั้งโมเดล ในการดำเนินการของเราปัญหานี้จะทำให้รุนแรงขึ้นโดยความจริงที่ว่าการตรวจสอบข้ามภายในเกิดขึ้นในการทำซ้ำแต่ละครั้งโดยมีจุดประสงค์เพื่อชี้แนะการเลือกไปสู่ตัวแปรที่มีคุณสมบัติทั่วไปที่ดีกว่า

รหัสจะถูกขนานกับรอยพับด้านในด้วยแพ็คเกจ ขนาน เวลาของผู้ใช้จึงขึ้นอยู่กับจำนวนคอร์ที่มีอยู่ แต่ไม่มีข้อได้เปรียบในการใช้คอร์มากกว่าการพับภายใน จำนวนคอร์ที่กำหนดให้กับการคำนวณจะต้องลงทะเบียนก่อนเริ่มต้นด้วยการตั้งค่าตัวเลือก "MCORES"

ข้อได้เปรียบหลักของการเลือกไปข้างหน้าคือมันให้แบบจำลองที่ตีความได้ทันทีและแผงของตัวแปรที่ได้รับในบางแง่มุมที่ซ้ำซ้อนน้อยที่สุดโดยเฉพาะอย่างยิ่งหากจำนวนตัวแปรที่จะเลือกนั้นไม่ใหญ่เกินไป ประมาณ 30-40 ตัวแปร)

อย่างไรก็ตามเมื่อจำนวนตัวแปรมีขนาดใหญ่กว่านั้นการเลือกไปข้างหน้านอกเหนือจากการช้าอย่างไม่อาจทนได้

แพ็คเกจคอมไพล์ precompiled มีอยู่ใน CRAN

การใช้งาน

โหลดแพ็คเกจแรกและลงทะเบียนจำนวนแกนที่จะใช้โดยการตั้งค่าตัวเลือก mc.cores หากคุณโชคดีพอที่จะทำงานบนเครื่องหลายตัวขนาดใหญ่ประสิทธิภาพที่ดีที่สุดทำได้โดยการลงทะเบียนแกนมากเท่าที่ใช้ในการพับภายใน (ค่าเริ่มต้นคือ 30) 

library( nestfs )
options( mc.cores = 10 )

ในการเรียกใช้การเลือกไปข้างหน้าจากโมเดลพื้นฐานที่มีอายุและเพศเท่านั้นต่อไปนี้ก็เพียงพอแล้ว: 

data( diabetes )
fs.res <- fs( Y ~ age + sex , diabetes , family = gaussian())
summary( fs.res )
# #      vars          fdr      llks     diffs iter
# # 1     age           NA        NA        NA   NA
# # 2     sex           NA -2136.854        NA   NA
# # 3     ltg 7.008928e-10 -2058.831 78.022766    1
# # 4     bmi 1.850715e-05 -2009.568 49.263387    2
# # 5     map 2.020038e-03 -1999.253 10.314799    3
# # 6 age.sex 1.508210e-02 -1992.544  6.709064    4
# # 7     hdl 4.039276e-02 -1985.208  7.336623    5
# # 8 bmi.map 7.474167e-02 -1980.913  4.294736    6

โดยค่าเริ่มต้นการเลือกจะเกิดขึ้นกับตัวแปรทั้งหมดที่มีอยู่ใน data.frame ที่ไม่ได้เป็นส่วนหนึ่งของโมเดลเริ่มต้น สิ่งนี้สามารถควบคุมได้ผ่านตัวเลือก choose.from ซึ่งยอมรับชื่อหรือดัชนีตัวแปร

เป็นไปได้ที่จะส่งเสริมการเลือก sparser โดยการขอการปรับปรุงที่มากขึ้นในการบันทึกความน่าจะเป็น (ตัวเลือก min.llk.diff ): แนะนำโดยเฉพาะอย่างยิ่งเมื่อจำนวนตัวแปรให้เลือกเกิน 10-15 เนื่องจากเป็นประสบการณ์ของเราที่แม้แต่ค่าเริ่มต้น การตั้งค่า 2 (เข้มงวดกว่าสิ่งที่นำมาใช้โดยแพ็คเกจอื่น ๆ ) อาจนำไปสู่การ overfitting ไม่ว่าในกรณีใดก็เป็นไปได้ที่จะตั้งค่าขนาดสูงสุดของแผงที่เลือกโดยการลดจำนวนการวนซ้ำ (ตัวเลือก max.iters โดยเริ่มต้นตั้งค่าเป็น 10)

การเลือกไปข้างหน้าแบบซ้อนกันมีประโยชน์ในการประเมินความเสถียรของกระบวนการคัดเลือกโดยการดำเนินการในการฝึกอบรมแต่ละครั้งของการตรวจสอบข้ามการตรวจสอบความถูกต้อง: 

 folds <- create.folds( 10 , nrow( diabetes ), seed = 1 )
nest.res <- nested.fs( Y ~ age + sex , diabetes , family = gaussian(), folds = folds )
summary( nest.res )
# #       vars percent    coef          coefIQR rank      rankIQR diffLogLik  diffLogLikIQR
# # 1      bmi     100  24.547   (23.61, 25.48)    2 (1.00, 2.00)     61.021 (44.49, 76.85)
# # 2      ltg     100  23.729   (22.39, 24.41)    2 (1.00, 2.00)     52.868 (36.09, 69.36)
# # 3      map     100  15.147   (14.45, 15.88)    3 (3.00, 3.75)      8.366   (8.04, 9.61)
# # 4      hdl     100 -13.297 (-13.65, -12.55)    4 (4.00, 4.00)      6.728   (6.35, 7.83)
# # 5  age.sex      80   8.825     (8.72, 9.24)    5 (5.00, 6.00)      4.625   (4.45, 5.37)
# # 6  bmi.map      70   8.165     (7.55, 8.27)    6 (5.50, 7.00)      3.604   (2.66, 4.15)
# # 7  bmi.glu      20   4.460     (4.07, 4.85)    5 (5.00, 5.00)      3.535   (3.09, 3.98)
# # 8    glu.2      20   6.477     (6.47, 6.49)    6 (6.25, 6.75)      2.984   (2.56, 3.41)
# # 9  sex.map      20   6.862     (6.71, 7.01)    6 (5.25, 5.75)      2.936   (2.89, 2.98)
# # 10 age.glu      10   7.469     (7.47, 7.47)    3 (3.00, 3.00)      4.826   (4.83, 4.83)
# # 11 age.map      10   7.365     (7.36, 7.36)    6 (6.00, 6.00)      2.679   (2.68, 2.68)
# # 12   bmi.2      10   7.987     (7.99, 7.99)    6 (6.00, 6.00)      2.466   (2.47, 2.47)

ผลลัพธ์ด้านบนแสดงให้เห็นว่า bmi , ltg , map และ hdl ถูกเลือกในทุกเท่าและการปรับปรุงส่วนใหญ่ในตัวแปรสองตัวแรกซึ่งเห็นด้วยกับสิ่งที่พบเมื่อเรียกใช้การเลือกไปข้างหน้าข้อมูลทั้งหมด

สิ่งสำคัญที่สุดคือการเลือกไปข้างหน้าแบบซ้อนกันทำให้เกิดการวัดประสิทธิภาพของกระบวนการคัดเลือกซึ่งเป็นการประมาณการที่ไม่เอนเอียงของประสิทธิภาพการทำนายของแผงที่เลือกไว้ในข้อมูลที่ถอนออก: 

nested.performance( nest.res )
# # Correlation coefficient: 0.7097

ซึ่งสามารถนำมาเปรียบเทียบกับสิ่งที่ได้จากโมเดลพื้นฐานในชุดการตรวจสอบข้ามการตรวจสอบความถูกต้อง: 

 base.res <- nested.glm( Y ~ age + sex , diabetes , family = gaussian(), folds = folds )
nested.performance( base.res )
# # Correlation coefficient: 0.1551

การอ้างอิง

  • M. Colombo, HC Looker, B. Farran et al., โมเลกุลการบาดเจ็บของไตในเลือด 1 และ beta-2-microglobulin ดำเนินการเช่นเดียวกับแผงขนาดใหญ่สำหรับการทำนายการลดลงอย่างรวดเร็วของการทำงานของไตในเบาหวานชนิดที่ 2, Diabetologia (2019) 62 ( 1): 156-168 https://doi.org/10.1007/S00125-018-4741-9

  • HC Looker, M. Colombo, S. Hess et al., Biomarkers ของโรคไตเรื้อรังอย่างรวดเร็วในโรคเบาหวานประเภท 2, Kidney International (2015), 88 (4): 888-896 https://doi.org/10.1038/ki.2015.199

  • HC Looker, M. Colombo, F. Agakov et al., โปรตีน biomarkers สำหรับการทำนายโรคหัวใจและหลอดเลือดในโรคเบาหวานประเภท 2, diabetologia (2015) 58 (6): 1363-1371 https://doi.org/10.1007/S00125-015-3535-6

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด