Sto cercando di duplicare i risultati dalla sklearn
libreria di regressione logistica usando il glmnet
pacchetto in R.
Dalla documentazione sullasklearn
regressione logistica , sta cercando di minimizzare la funzione di costo sotto penalità l2
Dalle vignette di glmnet
, la sua implementazione riduce al minimo una funzione di costo leggermente diversa
Con qualche modifica nella seconda equazione e impostando ,
che differisce dalla sklearn
funzione di costo solo per un fattore di se impostato , quindi mi aspettavo la stessa stima del coefficiente dai due pacchetti. Ma sono diversi. Sto usando il set di dati da UCLA Idre esercitazione , predicendo admit
basa sulla gre
, gpa
e rank
. Ci sono 400 osservazioni, quindi con , .
#python sklearn
df = pd.read_csv("https://stats.idre.ucla.edu/stat/data/binary.csv")
y, X = dmatrices('admit ~ gre + gpa + C(rank)', df, return_type = 'dataframe')
X.head()
> Intercept C(rank)[T.2] C(rank)[T.3] C(rank)[T.4] gre gpa
0 1 0 1 0 380 3.61
1 1 0 1 0 660 3.67
2 1 0 0 0 800 4.00
3 1 0 0 1 640 3.19
4 1 0 0 1 520 2.93
model = LogisticRegression(fit_intercept = False, C = 1)
mdl = model.fit(X, y)
model.coef_
> array([[-1.35417783, -0.71628751, -1.26038726, -1.49762706, 0.00169198,
0.13992661]])
# corresponding to predictors [Intercept, rank_2, rank_3, rank_4, gre, gpa]
> # R glmnet
> df = fread("https://stats.idre.ucla.edu/stat/data/binary.csv")
> X = as.matrix(model.matrix(admit~gre+gpa+as.factor(rank), data=df))[,2:6]
> y = df[, admit]
> mylogit <- glmnet(X, y, family = "binomial", alpha = 0)
> coef(mylogit, s = 0.0025)
6 x 1 sparse Matrix of class "dgCMatrix"
1
(Intercept) -3.984226893
gre 0.002216795
gpa 0.772048342
as.factor(rank)2 -0.530731081
as.factor(rank)3 -1.164306231
as.factor(rank)4 -1.354160642
L' R
output è in qualche modo vicino alla regressione logistica senza regolarizzazione, come si può vedere qui . Mi sto perdendo qualcosa o sto facendo qualcosa ovviamente sbagliato?
Aggiornamento: ho anche provato a usare il LiblineaR
pacchetto R
per condurre lo stesso processo, eppure ho ottenuto un'altra serie di stime ( liblinear
è anche il risolutore sklearn
):
> fit = LiblineaR(X, y, type = 0, cost = 1)
> print(fit)
$TypeDetail
[1] "L2-regularized logistic regression primal (L2R_LR)"
$Type
[1] 0
$W
gre gpa as.factor(rank)2 as.factor(rank)3 as.factor(rank)4 Bias
[1,] 0.00113215 7.321421e-06 5.354841e-07 1.353818e-06 9.59564e-07 2.395513e-06
Aggiornamento 2: disattivando la standardizzazione in si glmnet
ottiene:
> mylogit <- glmnet(X, y, family = "binomial", alpha = 0, standardize = F)
> coef(mylogit, s = 0.0025)
6 x 1 sparse Matrix of class "dgCMatrix"
1
(Intercept) -2.8180677693
gre 0.0034434192
gpa 0.0001882333
as.factor(rank)2 0.0001268816
as.factor(rank)3 -0.0002259491
as.factor(rank)4 -0.0002028832