问题标签 [glmnet]

当可以从基础函数中传递时，为什么不能仅将 1 个解释变量glmnet从包中传递给函数中的模型？代码和错误如下：glmnetglm

I'm working on a project that would show the potential influence a group of events have on an outcome. I'm using the glmnet() package, specifically using the Poisson feature. Here's my code:

The beginning imports a large amount of data from my database in SQL. I then put it in matrix format and separate the response from the predictors.

This is where I'm confused: I can't figure out exactly what the difference is between the glmnet() function and the cv.glmnet() function. I realize that the cv.glmnet() function is a k-fold cross-validation of glmnet(), but what exactly does that mean in practical terms? They provide the same value for lambda, but I want to make sure I'm not missing something important about the difference between the two.

I'm also unclear as to why it runs fine when I specify alpha=1 (supposedly the default), but not if I leave it out?

Thanks in advance!

我正在使用cv.glmnetfromglmnet包（in R）。在结果中，我得到一个lambda's（正则化参数）的向量。我想在在线 SGD 算法中使用它。有没有办法这样做以及如何做？

任何建议都会有所帮助。

我想知道如何将广义线性模型中的结果（根据模型的系数和正则化输出参数）与使用 R 包中的 cv.glmnet 函数离线计算的 l1 正则化和二项式分布（逻辑链接函数）进行比较我认为使用 Raphson-Newton 估计算法和相同类型的在线评估模型，但在每次新观察后使用随机梯度下降算法（经典，类型 I）重新计算估计值。

可以使用 glm 函数在 R 中执行常规普通广义线性模型，该函数具有自己的汇总函数方法，并且可以汇总模型，其中输出每个变量都有 p 值。根据这些 p 值，可以说出哪些变量在统计上显着或不在特定置信水平下。

我的问题是。cv.glmnet包中的功能是否具有相同的功能glmnet？我知道在计算之后我可以收到一个带有系数的表格，coef(model, s="lambda.min")其中一些系数不为零。所以我假设（可能是错误的）那些非零具有统计意义。我对吗？是否有任何方法可以为这些系数提供 p 值或置信区间？

我正在使用glmnet包（R），我需要提取用于岭回归的帽子矩阵以测试系数的显着性。我查看了函数glmnet的文档和源代码，但我没有找到有关如何获取该矩阵的任何线索。有谁知道是否有可能，使用这个特定的包？

I get this error when trying to fit glmnet() with family="binomial", for Logistic Regression fit:

Any help would be greatly appreciated - I've searched the internet and haven't been able to find anything that helps

EDIT:

Here's what data looks like:

我读过 glmnet 可以在没有正则化的情况下使用，即它可以用作常规 glm。我正在写一篇论文并试图避免使用许多不同的包，因此使用 glmnet 进行常规 glm 逻辑回归拟合会很方便。谁能帮我？

我有一个包含变量“nameDay”的数据框，它是一个因子变量。这些日子表示为字符（“星期六”、“星期一”...），但我已将它们转换为因子。以下是此数据帧中用于复制的前 6 行：

函数 cv.glmnet（来自 glmnet 库）要求我将数据作为矩阵而不是数据框传递。因此，我将我的数据框转换为矩阵：

我取出第一列，因为它是我的响应变量。我为我的响应向量创建了一个数字向量：

最后，我尝试拟合 lasso 回归模型：

我收到此错误消息：

elnet(x, is.sparse, ix, jx, y, weights, offset,
type.gaussian, : NA/NaN/Inf in foreign function call (arg 5)
另外：警告消息：在 elnet(x, is .sparse, ix, jx, y, weights,
offset, type.gaussian, : 强制引入的 NA

我认为这是因为我的原始数据框中的“nameDay”变量，但我不确定。有想法该怎么解决这个吗？

谢谢

目前我正在使用 glmnet 包来运行套索回归（在下面的示例中，它被保存到“fits”变量中。然后当我绘制 fit 变量时，它会正确出现，但系数标签非常小。任何想法如何我可以增加这些的大小吗？

下面的可重现示例...

我正在使用 glmnet 包从 mtcars 数据集中获取以下图表（mpg 对其他变量的回归）：

如何在每条曲线的开头或在其最大 y 点（最大远离 x 轴）向每条曲线添加变量名称？我试过了，我可以像往常一样添加图例，但不能在每条曲线上或其开始处添加标签。谢谢你的帮助。