R：使用rms:bootcov on caret模型和glm模型计算引导估计

如何使用包

rms

中的函数

bootcov

计算回归系数的bootstrap估计值？我使用示例数据集尝试了以下操作，但出现错误：

library(mlbench)
data(PimaIndiansDiabetes)

library(caret)
trControl <- trainControl(method = "repeatedcv",
                          repeats = 3,
                          classProbs = TRUE,
                          number = 10, 
                          savePredictions = TRUE,
                          summaryFunction = twoClassSummary)

caret_model <- train(diabetes~., 
                     data=PimaIndiansDiabetes, 
                     method="glm", 
                     trControl=trControl)

library(rms)
set.seed(1234)
reduced_model_bootcov <- bootcov(caret_model$finalModel, B=100)

但我又犯了一个不同的错误：

bootcov（型号，B=100）中出错：装配工无效

---

事实证明，rms中有一个名为Glm的fitting函数，它是Glm的包装器，但如果您对使用bootcov感兴趣，也可以使用它。因此，为了让bootcov发挥作用：

library(mlbench)
library(rms)
data(PimaIndiansDiabetes)

model <- rms::Glm(diabetes~., 
             data=PimaIndiansDiabetes, 
             family=binomial,
             x=TRUE, y=TRUE)
model_bootcov <- bootcov(model, B=1000)

---

嘿，bootcov不能接受glm对象，根据其渐晕图，它用于“ols、lrm、cph、psm、Rq和任何其他拟合的回归系数集，其中x=TRUE，y=TRUE”我想你可以使用包boot来计算回归系数的自举估计数？@StupidWolf。谢谢你的回复。我不熟悉这项技术。你能在我的数据集

PimaIndiansDiabetes

上发布一个工作示例吗？当然没问题。是否可以从

caret

中使用模型来执行此操作？因为我想在使用插入符号构建时利用

列车控制

（特别是，我希望重复进行K-折叠交叉验证，如我问题的第一部分）。谢谢您使用交叉验证来获取拟合参数。最后，在整个数据集上拟合数据，请参见长度（插入符号模型$finalModel$y）以获取示例结果与仅拟合glm相同，因为没有针对glm训练的超参数？我建议只使用glm拟合。我还想绘制

插入符号$pred

中包含的AUC。我猜是因为我想用一种方法实现很多事情……一旦你有了预测和概率来绘制AUC，你就可以使用ROCR软件包

library(mlbench)
library(rms)
data(PimaIndiansDiabetes)

model <- rms::Glm(diabetes~., 
             data=PimaIndiansDiabetes, 
             family=binomial,
             x=TRUE, y=TRUE)
model_bootcov <- bootcov(model, B=1000)

library(boot)
glm.fun <- function(dat, inds){
  fit <- glm(diabetes~.,family=binomial,data=dat[inds,])
      coef(fit)
     }
model_boot <- boot(PimaIndiansDiabetes, glm.fun, R = 1000)

library(tidyr)
library(dplyr)
library(ggplot2)

melt_matrix = function(mat,NAMES,X){
colnames(mat) = NAMES
data.frame(mat) %>% 
tibble::rownames_to_column("B") %>% 
pivot_longer(-B) %>%
mutate(type=X)
}

VAR = names(coef(model))

plotdf = rbind(
melt_matrix(model_boot$t,VAR,"boot"),
melt_matrix(model_bootcov$boot.Coef,VAR,"bootcov")
)

ggplot(plotdf,aes(x=type,y=value))+ geom_violin() + facet_wrap(~name,scale="free_y")