r - 使用 mlr 预测计数

Question

我正在使用学习器 regr.gbm 来预测计数。在 mlr 之外，直接使用 gbm 包，我使用 distribution = "poisson" 和 predict.gbm，使用 type = "response"，返回原始比例的预测，但是我注意到，当我使用 mlr 执行此操作时，预测似乎采用对数比例:

     truth    response
913      4  0.67348708
914      1  0.28413256
915      3  0.41871237
916      1  0.13027792
2101     1 -0.02092168
2102     2  0.23394970

但是，“真相”并不在对数尺度上，因此我担心 mlr 中的超参数调整例程将不起作用。为了进行比较，这是我使用 distribution = "gaussian" 得到的输出。

     truth response
913      4 2.028177
914      1 1.334658
915      3 1.552846
916      1 1.153072
2101     1 1.006362
2102     2 1.281811

处理这个问题的最佳方法是什么？

Answer 1

发生这种情况是因为 gbm 默认情况下会对链接函数尺度(对于 distribution = "poisson" 来说是 log)进行预测。这是由 gbm::predict.gbm 的 type 参数控制的(请参阅该函数的帮助页面)。不幸的是，默认情况下，mlr 不提供更改此参数的功能(mlr bugtracker 中的 it was reported)。目前的解决方法是手动添加此参数:

lrn <- makeLearner("regr.gbm", distribution = "poisson")
lrn$par.set <- c(lrn$par.set,
  makeParamSet(
    makeDiscreteLearnerParam("type", c("link", "response"),
      default = "link", when = "predict", tunable = FALSE)))
lrn <- setHyperPars(lrn, type = "response")

# show that it works:
counttask <- makeRegrTask("counttask", getTaskData(pid.task),
  target = "pregnant")
pred <- predict(train(lrn, counttask), counttask)
pred

---

请注意，在调整计数数据的参数时，默认回归度量(均方误差)可能会过分强调对计数值较大的数据点的拟合。预测“10”而不是“1”的平方误差与预测“1010”而不是“1001”的误差相同，但根据您的目标，您可能希望更加重视本示例中的第一个错误。

一个可能的解决方案是使用(归一化)平均泊松对数似然作为度量:

poisllmeasure = makeMeasure(
  id = "poissonllnorm",
  minimize = FALSE,
  best = 0,
  worst = -Inf,
  properties = "regr",
  name = "Mean Poisson Log Likelihood",
  note = "For count data. Normalized to 0 for perfect fit.",
  fun = function(task, model, pred, feats, extra.args) {
    mean(dpois(pred$data$truth, pred$data$response, log = TRUE) -
      dpois(pred$data$truth, pred$data$truth, log = TRUE))
})
# example
performance(pred, poisllmeasure)

通过将此测量值赋予 tuneParams() 中的 measures 参数，可用于调整。 (请注意，您必须将其放在列表中:tuneParams(...measures = list(poisllmeasure) ...))