Calcular la medida de importancia utilizando un paquete VIP en un modelo de chirivía

Estoy tratando de calcular la importancia de la característica usando vi_firm () en un modelo de regresión logística hecho en chirivía. Para las expresiones regulares, usaré el conjunto de datos de iris e intentaré predecir si una observación es setosa o no.

iris1 <- iris %>%
  mutate(class  = case_when(Species == 'setosa' ~ 'setosa',
                            TRUE ~ 'other'))
iris1$class = as.factor(iris1$class)

#set up logistic regression model
iris.lr = logistic_reg(
  mode="classification",
  penalty=NULL,
  mixture=NULL
) %>%
  set_engine("glmnet")

iris.fit = iris.lr %>%
  fit(class ~. , data = iris1)

library(vip)
vip::vi_firm(iris.fit, feature_names = features, train = iris1, type = 'classification')

Esto da

Error: ¿Querías usar en new_datalugar de newdata?

También estoy tratando de producir gráficos de dependencia parcial utilizando el paquete pdp relacionado. Me sale el mismo error.

Para los objetos "glmnet", el argumento correcto debería ser s, en lugar de lambda, por coherencia con coef.glmnet(sin embargo, llamar a esto con vi()actualmente produce un error debido a una coincidencia parcial con el scaleargumento --- presionaré una solución este fin de semana;https://github.com/koalaverse/vip/issues/103). Además, a partir de la versión 0.2.2, vi_model debería funcionar directamente con objetos model_fit. Entonces, la llamada correcta aquí debería ser:

> vi_model(iris_fit, s = iris_fit$fit$lambda[10]). #
# A tibble: 4 x 3
  Variable     Importance Sign 
  <chr>             <dbl> <chr>
1 Sepal.Length      0     NEG  
2 Sepal.Width       0     NEG  
3 Petal.Length     -0.721 NEG  
4 Petal.Width       0     NEG 

En lo que respecta a vi_firm()y pdp::partial(), lo más fácil de hacer es crear su propio contenedor de predicciones. Debería haber muchos detalles en los documentos para cada función, y esto más ejemplos en nuestro próximo artículo (https://github.com/koalaverse/vip/blob/master/rjournal/RJwrapper.pdf), pero aquí hay un ejemplo básico:

> # Data matrix (features only)
> X <- data.matrix(subset(iris1, select = -class))
> 
> # Prediction wrapper for partial dependence
> pfun <- function(object, newdata) {
+   # Return averaged prediciton for class of interest
+   mean(predict(object, newx = newdata, s = iris_fit$fit$lambda[10], 
+        type = "link")[, 1L])
+ }
> 
> # PDP-based VI
> features <- setdiff(names(iris1), "class")
> vip::vi_firm(
+   object = iris_fit$fit, + feature_names = features, + train = X, + pred.fun = pfun + ) # A tibble: 4 x 2 Variable Importance <chr> <dbl> 1 Sepal.Length 0 2 Sepal.Width 0 3 Petal.Length 1.27 4 Petal.Width 0 > > # PDP > pd <- pdp::partial(iris_fit$fit, "Petal.Length", pred.fun = pfun, 
+                    train = X)
> head(pd)
  Petal.Length      yhat
1     1.000000 1.0644756
2     1.140476 0.9632228
3     1.280952 0.8619700
4     1.421429 0.7607172
5     1.561905 0.6594644
6     1.702381 0.5582116

Para un modelo regularizado como los que se ajustan a glmnet, es posible que desee seguir con la puntuación de importancia específica del modelo (la predeterminada con vi()). Además, observe dos cosas:

• debe especificar en qué valor lambdadesea calcular la importancia de la variable (solo elegí una al azar aquí para este ejemplo)
• el objeto glmnet ajustado está iris_fit$fitdentro del objeto chirivía

library(tidymodels)
#> ── Attaching packages ────────────────────────────────────────── tidymodels 0.1.0 ──
#> ✓ broom     0.5.6      ✓ recipes   0.1.12
#> ✓ dials     0.0.6      ✓ rsample   0.0.6 
#> ✓ dplyr     0.8.5      ✓ tibble    3.0.1 
#> ✓ ggplot2   3.3.0      ✓ tune      0.1.0 
#> ✓ infer     0.5.1      ✓ workflows 0.1.1 
#> ✓ parsnip   0.1.1      ✓ yardstick 0.0.6 
#> ✓ purrr     0.3.4
#> ── Conflicts ───────────────────────────────────────────── tidymodels_conflicts() ──
#> x purrr::discard()  masks scales::discard()
#> x dplyr::filter()   masks stats::filter()
#> x dplyr::lag()      masks stats::lag()
#> x ggplot2::margin() masks dials::margin()
#> x recipes::step()   masks stats::step()

iris1 <- iris %>%
  mutate(class  = case_when(Species == 'setosa' ~ 'setosa',
                            TRUE ~ 'other'),
         class = factor(class)) %>%
  select(-Species)


iris_mod <- logistic_reg(
  penalty = NULL,
  mixture = NULL
) %>%
  set_engine("glmnet")

iris_fit <- iris_mod %>%
  fit(class ~ ., data = iris1)

library(vip)
#> 
#> Attaching package: 'vip'
#> The following object is masked from 'package:utils':
#> 
#>     vi

vi(iris_fit$fit,
   lambda = iris_fit$fit$lambda[10])
#> # A tibble: 4 x 3
#>   Variable     Importance Sign 
#>   <chr>             <dbl> <chr>
#> 1 Sepal.Width        3.35 POS  
#> 2 Sepal.Length       0    NEG  
#> 3 Petal.Width       -2.97 NEG  
#> 4 Petal.Length      -3.98 NEG

^{Creado el 14-05-2020 por el paquete reprex (v0.3.0)}