问题标签 [glmnet]

我正在学习glmnet和brnn包的使用。考虑以下代码：

上面的脚本运行正常。

我的问题是：如何自动化上述脚本以针对不同的值运行locn，这本质上是我如何概括获得步骤：cols <- c(1, 3, 6, 8, 11, 20, 25, 38) # column indices of useful iv's。目前我可以手动执行此操作，但看不到如何针对不同的值以一般方式执行此操作locn，例如

我使用 glmnet 在具有约 200 个预测变量和 100 个样本的训练集上构建了一个预测模型，用于二项式回归/分类问题。

我选择了给我最大 AUC 的最佳模型（16 个预测变量）。我有一个独立的测试集，只有那些变量（16 个预测变量）从训练集中进入最终模型。

有什么方法可以使用基于来自训练集的最佳模型的 predict.glmnet 和新的测试集，其中只有那些变量的数据，这些变量从训练集中进入最终模型？

I am trying to use LASSO for variable selection, and attempted the implementation in R using the glmnet package. This is the code I wrote so far:

This is what I obtain when I run it the first time:

BUT, this is what I obtain when I run the SAME code once more:

I am not sure why the model behaves this way. How would I be able to choose a final model if the coefficients change at every run? Does it use a different tuning parameter $\lambda$ at every run? I thought that cv.glmnet uses model$lambda.1se by default?!

I have just started learning about this package, and would appreciate any help I can get!

Thank you!

我正在使用该glmnet包来获取 LASSO 估计值，如下所示：

我可以使用 提取系数coef(model)，但是，我想不出一种方法来获取每个变量的标准误差和Z 分数。

我正在与社区联系，以了解在 R 中实现 Lasso、RF 和 NN 的最新软件包。

套索

据我所知，lars已经被glmnetfor lasso 和 ridge 回归所取代。我认为glmnet是最前沿的包。http://cran.r-project.org/web/packages/glmnet/index.html

随机森林

到目前为止，我使用了 Breiman 和 Cutler 的包randomforest. http://cran.r-project.org/web/packages/randomForest/index.html

我相信有一个名为partyHothorn、Hornik、Strobl 和 Zeileis 的新软件包，其中cforest()实现了 Breiman 的随机森林。我还没用过。http://cran.r-project.org/web/packages/party/index.html

神经网络

对于神经网络，Guenther 的neuralnet包刚刚于 2013 年 8 月 29 日发布。虽然我没有用它来谈论它目前是否被认为是 NN 的最佳选择。 http://cran.r-project.org/web/packages/neuralnet/neuralnet.pdf

每次我运行时，cv.glmnet我都会得到稍微不同的结果（例如，模型选择的最佳 lambda）。不像大多数功能，set.seed()不能解决问题。有谁知道问题的原因或解决方案？

我想使用 R 中的 glmnet 来解决分类问题。

样本数据如下：

y 是二元响应（0 或 1）。

我使用了以下 R 代码：

然而，glmnet 预测的 yy 分散在 [-24,5] 之间。

如何将输出值限制为 [0,1]，从而使用它来解决分类问题？

我正在使用caret包来调整模型alpha的lambda参数glmnet。我的特征在X（数据框，14474 个变量中的 47 个 obs，一个 p>>N 问题），因变量y是一个 47 个 obs 的数据框。1 个变量。

当我尝试

我明白了

我试过转置y，也改成class(y) = "numeric"，而不是，"data.frame"但我得到了同样的错误，我不明白。有什么线索吗？

在处理 glmnet 与 glm 时，我遇到了 lambda=0 和 family="poisson" 的收敛问题。我的理解是，对于 lambda=0（和 alpha=1，默认值），答案应该基本相同。

下面的代码与 glmnet 帮助页面 (?glmnet) 上的泊松示例略有不同。唯一的变化是 nzc = p 以便所有变量都在真实模型中

这是错误消息

更新：问题似乎与当 family="poisson" 时 glmnet 估计的截距有关，并且与 lambda 本身的设置无关。

我正在模拟数据并比较二元 logit 模型的 glm.fit、bigglm、speedglm、glmnet、LiblineaR。

示例运行如下所示：

我经常看到来自 LiblineaR 的估计值很接近，但迹象却相反！有人知道为什么会这样吗？它通常是最快的，并且在我见过的更大数据集的情况下甚至更快。

我知道由于正则化，这些值不会相同；我对这些迹象更好奇。

如果有人（rep>1500）可以请添加#LiblineaR 和#speedglm 标签，我将不胜感激。