Warning avec glm et predict

[Djebali Makrem]

Bonjour
J’ai des messages d’erreur avec les deux fonctions glm et predict et j’ai aussi des mauvais résultats est ce que c’est à cause de ça ?

Code : Tout sélectionner

> test<-read.table("testimag.txt",header=T)##données
> test<-as.data.frame(test)
> tr <- sample(1:264, 186)
> train <-test[tr,]
> app <-test[-tr,]
> fm <-glm(fmla, family=binomial, data=train)
Warning message:
algorithm did not converge in: glm.fit(x = X, y = Y, weights = weights, start = start, etastart = etastart, 
> New <-data.frame(app)# à remplacer  par lastvect
> pred <-predict(fm, New, type="response",se.fit=T)
Warning message:
prediction from a rank-deficient fit may be misleading in: predict.lm(object, newdata, se.fit, scale = residual.scale, type = ifelse(type == 

Merci.

[Logez Maxime]

Bonjour,


Ton message d'erreur t'indique que ton modèle n'a pas réussi à converger, ce qui n'est pas bon du tout. Ca veut dire que tu n'arrvives pas à estimer tes paramètres. Il n'est donc pas anormal que tu obtiennes de mauvais résultats. Tu peux aussi jouer sur le nombre maximal d'itération que tu permets, ainsi que sur le epsilon (décimale à laquelle tu considères les paramètres comme stable) avec la fonction glm.control. Par défaut le nombre max d'itération est de 25, donc si déjà la tu ne converges pas c pas terrible. Si je me souviens bien le epsilon par défaut dans R est de 1e-8 alors que dans S+ il est de 1e-4.

Maxime

[Djebali Makrem]

ok j'ai utilser:

Code : Tout sélectionner

glm.control(epsilon = 1e-4, maxit = 1000000, trace = FALSE)

et je n'ai plus de problème, mais encore le m^me message d'erreur avec predict :
Warning message:
prediction from a rank-deficient fit may be misleading in: predict.lm(object, newdata, se.fit, scale = residual.scale, type = ifelse(type ==

Merci.

[Nicolas Péru]

Code : Tout sélectionner

fm <-glm(fmla, family=binomial, data=train)

alors je n'utilise vraiment pas souvent la fonction glm mais je trouve bizarre le script. C'est quoi fmla ? Ne faut il pas une formule dans la fonction glm ?

[Logez Maxime]

Re,

Juste pour exemple Nico :

Code : Tout sélectionner

x <- rnorm(100)
y <- 3*x+2+rnorm(100,0,0.4)
fmla <- y~x
tab <- as.data.frame(list(y=y,x=x))
rm(list=c("x","y"))
glm(fmla,data=tab)

Call:  glm(formula = fmla, data = tab)

Coefficients:
(Intercept)            x 
      2.017        2.990 

Degrees of Freedom: 99 Total (i.e. Null);  98 Residual
Null Deviance:      967.4
Residual Deviance: 16.19        AIC: 107.7

Ce qui peut être très interressant surtout si tu fais des glm en série (j'en sais quelque chose), avec une combinaison de eval(parse(text=paste(...))) c'est vite assez sympa. Je pense qu'ici le problème ne vient pas de fmla mais de fm$rank, regarde de plus près predict.lm il y a une ligne avec ton warnings tu verras vite ce qui peut le générer.

Je ne sais pas par contre ce que représente le rank.

Maxime

[Nicolas Péru]

ok donc on crée la formula avant :)