Блог

Я устанавливаю регрессионную модель хребта на множественно вмененный набор данных (10 вменений с пакетом mice). Я хочу отобразить объединенные коэффициенты регрессии из модели.

Подгонка модели выполняется в цикле, и модели сохраняются в списке mods3

 mods3 lt;- vector(mode="list", length=10)  for (i in 1:10) { #Prepare data  x_train_std_implt;- x_train_std[x_train_std$.imp==i,]  X lt;- as.matrix(x_train_std_imp[,-1])  y_train_std_implt;- y_train_std[y_train_std$.imp==i,]  Y lt;- as.matrix(y_train_std_imp[,-1]) #Fit model  cv_train_std lt;- cv.glmnet(X, Y, nfolds=10, type.measure="deviance", alpha=0, family="binomial")  lambda lt;- cv_train_std$lambda.min  mods3[[i]] lt;- glmnet(X, Y, family="binomial", lambda=lambda, alpha=0)  pred lt;- predict(mods3[[i]],lambda, type="response",newx= X)  i=i 1 }  

Однако, если я попытаюсь объединить данные с pool() функцией из mice пакета, я получу следующую ошибку:

 pooledlt;-pool(mods3) Error: Problem with `summarise()` column `ubar`. ℹ `ubar = mean(.data$std.error^2)`. x Column `std.error` not found in `.data` ℹ The error occurred in group 1: term = (Intercept). Backtrace:  

Я понимаю, что pool() функция не предназначена для glmnet моделей, но есть ли какой-то обходной путь? Я хотел бы использовать plot_summs() функцию для объединенных результатов.

Любые советы будут оценены по достоинству!