问题标签 [lasso-regression]

我在glmnet（实现套索回归）中使用了 k 折交叉验证，但我无法从中制作 ROC 图表。

这让我得到了一个看起来像拟合值对数的向量。在此之后我试图生成一些 ROC 图表，但它没有工作。我认为这是因为 x 和 y 对象的性质进入glmnet. 你有什么想法。

我在二进制数据上运行以下弹性网络模型（1 = 坏，0 = 好）。有谁知道 glmnet 默认适合什么类型的模型：P(y=1) 或 P(y=0)。反正有没有选择前者来适应模型。

我有一个包含大量数据的 txt 文件。如何使用套索或岭估计器来拟合回归方程？

我尽可能使用：gridge

但是，我不确定 lambda 部分在做什么。我在一个网站上找到了它，但不知道该放什么值。

而且我不知道如何解释输出：修改后的 HKB 估计是 5.465433 修改的 L-W 估计是 7.6435664 GCV 的最小值在 3.24

我应该如何使用该信息拟合回归方程？

我正在尝试使用 lars 包进行套索回归，但似乎无法让 lars 位工作。我输入了代码：

但是，我收到一条错误消息：rep(1, n) 中的错误：无效的 'times' 参数。

我试过这样输入：

但随后我收到错误消息：'lars 错误（age+sex + bmi + map + td + ldl + hdl + tch + ltg + glu, y, type = "lasso") : object 'age' not found'

我哪里错了？

编辑：数据 - 如下，但还有 5 列。

linear_model.lars_path在 scikit-learn 中运行 (model = 'lasso') 时，我对套索路径的行为感到困惑。

我认为一旦权重（系数）变为活动状态（与 0 的差异），它必须在 LARS 算法的所有即将执行的步骤中保持活动状态。

在我的数据上运行算法时，我注意到有时一个系数会变得活跃，然后它会变为零（从活跃集中删除）。这是 LARS 算法的正确行为，还是 scikit-learn 实现中存在错误？

我有一个关于cv.lars的问题。下面是我使用的数据的描述：

我已经使用lars包运行了套索。我的代码如下：

上述过程似乎运行良好。但是，当我尝试对lambda值进行交叉验证时，出现以下错误：

我的交叉验证代码是：

有谁知道发生了什么？我真的不知道那个错误是什么意思以及我的数据（和/或代码）有什么问题。

我在运行具有广泛数据集的 glmnet lasso 时遇到问题。我的数据有 N=50，但 p > 49000，所有因素。因此，要运行 glmnet，我必须创建一个 model.matrix，但是当我调用 model.matrix(formula, data) 时，我的内存不足，其中 formula = Class ~ 。

作为一个工作示例，我将生成一个数据集：

之后，我尝试创建一个 model.matrix 以在 glmnet 上输入。

在最后一步（X = model.matrix ...）我内存不足。我能做些什么？

在help(predict.lars)我们可以读到参数s是“一个值或值向量，索引路径。它的值取决于 mode= 参数。默认情况下 (mode="step")，s 应该取 0 和 p (例如，步长 1.3 意味着步长 1 和 2 之间的距离为 0.3。）”

“索引路径”是什么意思？此外，s必须取一个介于 1 和 之间的值p，但是什么p？该参数p未在帮助文件的其他地方提及。

我知道这是基本的，但是关于predict.lars.

我正在尝试使用larsR 中的包运行 LASSO（最小绝对收缩和选择运算符）。这是我的数据维度：

暗淡（y）：235 50

暗淡（x）：235 15

运行以下命令时：

我收到以下错误：

当我将响应变量“y”设为向量时，如下所示：

有用！但是，这样做意味着对面板中 3000 个证券中的 1 个执行 LASSO。这个公式如何扩展到分析一组数据？对 3000 只证券中的每一种单独进行 LASSO 没有多大意义，因为它排除了任何横截面动态。

我可以使用我能得到的任何帮助！谢谢！

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。