问题标签 [glmnet]

在下面的代码中，我希望两个打印语句打印相同的结果，因为我明确地将参数传递s给两个预测函数。

但是，结果非常不同，我想了解原因。

我做了一个实验，我改成lasso.mod = glmnet(xmat,y, alpha=1,lambda=5)， lasso.mod = glmnet(xmat,y, alpha=1,lambda=0.015)结果更接近了。

似乎 predict 函数依赖于grid传递给训练函数的 ，但文档似乎表明s参数 onpredict应该覆盖它。是否存在依赖关系，如果是，它是什么以及如何解决它来处理任意系数s？

更新 1：我在glmnet.

警告仅指性能而不是准确性/稳定性，但我尝试改变不同的递减顺序grid，结果predict仍然不同。

我只是想了解 R 包 glmnet 中实现的套索。我正在拟合数据，但我为我选择的 lambda 得到的解决方案不是最小化套索的标准，例如，如果我以一种方式移动解决方案，我可以获得更小的成本函数。

我理解错了什么？

我正在尝试使用 进行预测glmnet，并收到一条非常神秘的错误消息。我以前在使用时没有遇到过这种情况glmnet，并且谷歌搜索错误没有成果。未注释最后一行时会发生错误。

错误输出：

请注意，更改newx = data.matrix(Hitters.test) 为newx = model.matrix(Salary~.,Hitters.test)没有帮助。

根据要求，这是sessionInfo()运行前的输出。

这是运行后的输出：

更新接近。现在我正在运行应该生成模块f2py的文件。.pyf_glmnet

我使用以下命令构建包python-glmnet数据包。

但是当我导入模块时，我得到了这个错误：

文件“/Users/rose/221/tagger/tagger/glmnet/glmnet.py”，第 2 行，在 import _glmnet ImportError: No module named _glmnet

如何导入该模块？

glmnet 目录还包含一个glmnet.pyf以以下内容开头的文件：

更新

我在哪里可以找到这个_glmnet模块？是否包含在 glmnet.pyf 文件中，如下图所示？我尝试将此 glment 文件夹添加到我的PYTHONPATH.，但这并没有改变任何东西。

当我使用R时，如何将glmnet构建的模型保存到文件中，然后从文件中读取它以使用它进行预测？

如果我使用 cv.glmnet 来构建模型，是否也一样？

谢谢！

我使用这个glmnet包来运行多项套索回归。当使用family="multinomial具有p变量和n样本的数据集pmax=x时，如果是奇数，则会发生分段错误x（如果不是pmax>p。在这种情况下，它很可能被忽略，因为它没有影响）。一个例子：

和错误消息：

我的第一个问题是：为什么？这有数学上的原因吗？（我想是这样...）

第二个是：没有比分段错误更好的解决方案吗？......像警告一样？或者只是使用pmax<-pmax-1

编辑：好的，它似乎有点复杂。有时，只有当我第二次为 pmax 执行相同编号的相同命令时，才会发生分段错误。

另外我发现了这个错误

对于 pmax 的偶数和奇数...

现在它对我来说更像是一个错误......或者？

编辑 2：我在 linux 环境（64 位）中使用 glmnet 1.9-5 运行 R 2.15.2 我还在使用 ubuntu 64 位和 R 3.0.2 的另一台 PC 上遇到分段错误

我glmnet在 R 中的包有问题。我正在尝试使用现成的，并遇到以下问题：

weighted.mean.default(y, weights) 中的错误：“x”和“w”必须具有相同的长度

但输入的大小相同：

是什么导致了这个错误？

我熟悉foreach，%dopar%之类的。我也parallel熟悉cv.glmnet. 但是您如何设置嵌套并行，如下所示？

并行交叉验证：

不是并行交叉验证：

对于这两个系统时间，我只得到了非常微小的差异。

是并行化的吗？还是我需要明确使用嵌套运算符？

附带问题：如果集群对象中有 8 个内核可用并且foreach循环包含两个任务，每个任务会被分配 1 个内核（其他 6 个内核空闲）还是每个任务会被分配 4 个内核（用完所有 8 个内核总共）？查询在给定时间正在使用多少个内核的方法是什么？

我遇到了 glmnet 的问题，因为我不断收到错误消息

下面我可以使用“iris”数据集复制错误，但这里是我的特定数据的简化代码：

这是您可以轻松复制的内容：

非常感谢大家！

我的训练数据集有大约 200,000 条记录，我有 500 个特征。（这些是来自零售组织的销售数据）。大多数特征是 0/1，并存储为稀疏矩阵。

目标是预测购买大约 200 种产品的概率。因此，我需要使用相同的 500 个特征来预测 200 种产品的购买概率。由于 glmnet 是创建模型的自然选择，因此我考虑为 200 种产品并行实施 glmnet。（因为所有 200 个模型都是独立的）但是我坚持使用 foreach。我执行的代码是：

model 是一个列表 - 有 200 个模型名称的列表，我想在其中存储相应的模型。

以下代码有效。但它没有利用并行结构，大约需要一天才能完成！

有人可以指出我在这种情况下如何利用并行结构吗？