首页 文章

在poLCA R包中找到最佳的LCA模型

提问于
浏览 次
1

我正在使用PoLCA R软件包进行LCA分析，但分析结果自三天后才开始（它还没有找到最好的模型），偶尔会出现以下错误：“警告：迭代完成，最大可能没有找到” . 所以我在35个潜班上取消了这个过程 . 我正在分析16个变量（所有这些变量都是分类的）和36036行数据 . 当我在Boruta软件包中测试16个变量的变量重要性时，所有16个变量都很重要，因此我在使用poLCA的LCA分析中使用了所有16个变量 . 我应该走哪条路？我是否应该使用其他聚类方法（如k-modes）来聚类此数据集中的分类变量？我使用500次迭代的参数和nrep = 10模型估计数 . 我使用R脚本在LCA中找到最佳模型，其中一个输出如下：

for(i in 2:50){
    lc <- poLCA(f, data, nclass=i, maxiter=500, 
                tol=1e-5, na.rm=FALSE,  
                nrep=10, verbose=TRUE, calc.se=TRUE)
    if(lc$bic < min_bic){
        min_bic <- lc$bic
        LCA_best_model<-lc
    }
}

================================================= ========适合35个潜在课程：==================================== =====================观测次数：36036估计参数数：2029剩余自由度：34007最大对数似然：-482547.1 AIC（35）： 969152.2 BIC（35）：986383 G ^ 2（35）：233626.8（似然比/偏差统计量）X ^ 2（35）：906572555（卡方拟合度）警告：迭代完成，最大似然没有找到

r for-loop cluster-analysis data-science categorical-data

1 回答

  • 0

    您正在使用的脚本按顺序测试从2到50个类的每个模型，并保持具有最低BIC的模型 . BIC不是选择“最佳”模型的唯一或最佳方式，但足够公平 .

    问题是，您正在估计很多参数，尤其是在最后的步骤中 . 您适合的课程越多，该过程就越耗时 . 此外，在这种情况下，收敛问题是可以预期的，因为你适合这么多的课程 . 这就是错误消息报告的内容，它找不到具有35个类的模型的最大可能性 .

    我不知道你要解决什么问题，但是LCA中超过10个类的模型是不寻常的 . 您可以通过LCA尽可能地降低数据的复杂性 . 如果你 NEED 适合具有多个10-类的模型：

    • 逐个适合它们，因此RAM消耗不会成为问题 .

    • 增加了调用中的 nrep= 参数，因此您模型未偶然找到最大可能性的概率 - 随机初始数 - 减少 . 还会增加计算时间 .

    或者，您可以减少并行运行模型的计算时间 . 几乎每台现代PC都有2个或更多核心 . 下一个块中的函数 acl() 使用 foreach() 和 %dopar% 执行此操作，因此与OS无关 .

    library(poLCA)
library(foreach)
library(doParallel)
registerDoParallel(cores=2) #as many physical cores as available.

acl <- function(datos,   #a data.frame with your data 
                k,       #the maximum number of classes to fit
                formula) {  
  foreach(i=1:k, .packages="poLCA") %dopar% poLCA(formula, datos, nclass=i
  )
}

    acm() 返回模型列表，稍后可以选择"the best" . 下一个函数将从列表中检索intrest的数量，并创建一个格式良好的data.frame，其中包含有用的信息以选择正确数量的类 .

    comparar_clases_acl <- function(modelo) {
  entropy<-function (p) sum(-p*log(p)) #to asses the quality of classification
    tabla_LCA <- data.frame(Modelo=0, BIC=0, Lik_ratio=0, Entropia=0, MenorClase=0)   #empty data.frame to prealocate memory. 
for(i in 1:length(modelo)){
  tabla_LCA [i,1] <- paste("Modelo", i)
  tabla_LCA [i,2] <- modelo[[i]]$bic
  tabla_LCA [i,3] <- modelo[[i]]$Gsq
  error_prior <- entropy(modelo[[i]]$P)
  error_post <- mean(apply(modelo[[i]]$posterior,1, entropy),na.rm = TRUE)
  tabla_LCA [i,4]<-round(((error_prior-error_post) / error_prior),3)
  tabla_LCA [i,5] <- min(modelo[[i]]$P)*100
  }
return(tabla_LCA)
}

    它只需要一个参数：一个具有LCA模型列表的对象，正是 acl() 返回的内容 .

    这种并行方法应该减少计算时间 . 仍然有50个课程很多，你可能在50课之前获得最小的BIC方式 . 请记住，BIC惩罚模型随着估计参数的数量增加，帮助您找到模型中额外类别的收益递减点 .

    回复于

相关问题