glmnet

    1

    1답변

    이 질문은 에 질문 되었으나 만족할만한 대답이 없었습니다. λ = 0 인 LASSO는 일반적인 최소 제곱과 동일하지만 R의 glmnet() 및 lm()의 경우는 아닌 것 같습니다. 그 이유는 무엇입니까? library(glmnet) options(scipen = 999) X = model.matrix(mpg ~ 0 + ., data = mtcars)

    0

    1답변

    내 응답 변수는 1에서 7까지 범주 형입니다. glmnet을 사용하여 이해합니다. 유형을 응답으로 설정하고 예측 확률을 얻을 수 있습니다. prob.vec = predict.cv.glmnet (cvfit,이 newX = x.Test가, S = "lambda.min" 유형 = "응답") 그러나 , 내가 관심 다른 카테고리의 확률도 가지고 있습니다. 이러한 기

    0

    1답변

    변수 선택을 위해 glmnet lasso 위에 stabsel을 사용하고 싶습니다. https://github.com/hofnerb/stabs에있는 예제를 따라 가면서 제대로 작동합니다. 그러나 여러 변수를 포함시켜야합니다. 이것은 glmnet에서 'penalty.factor'매개 변수를 사용하여 달성 할 수 있지만 args.fitfun에서이 매개 변수를 전

    2

    1답변

    R에서 cv.glmnet 개체에 대해 예측 함수를 사용하고 있습니다. 예측할 수있는 이진 결과 벡터가 있습니다 (예 : 0 1 1 0 1). 예측 기능은 기본적으로 1 또는 0을 예측하는 예측 확률을 찾기 위해 기본값을 설정합니까? 질문에 대한 답변이있는 설명서를 찾을 수 없습니다. 아래의 일반적인 생각과 코드 : for(holdout in 1:nrow(d

    0

    1답변

    glmnet 객체에서베이스 라인 위험 함수 h0 (t)를 추출합니다. 시간 t >> h (t, X) = h0 (t) exp [Σβi * Xi]에서 위험 함수를 알고 싶습니다. R에서 glmnet 객체로부터베이스 라인 위험 함수 h0 (t)를 어떻게 추출 할 수 있습니까? 내가 아는 한 생존 패키지의 "basehaz()"기능은 coxph 개체에서만 기본 위험

    0

    1답변

    다음 코드를 실행 중이지만 계속 오류 메시지가 표시됩니다. 이 코드는 ISLR 웹 사이트의 코드입니다. library(ISLR) Hitters=na.omit(Hitters) x=model.matrix(Salary~.,Hitters)[,-1] y=Hitters$Salary library(glmnet) ridge.mod=glmnet(x,y,alpha=

    0

    1답변

    나는 다음 코드 줄을 반복하는 것을 시도하고있다 : 캐럿 패키지와 함께 ... x.mat <- as.matrix(train.df[,predictors]) y.class <- train.df$Response cv.lasso.fit <- cv.glmnet(x = x.mat, y = y.class, family = "binomial",

    2

    1답변

    로쏘 - 정규화 된 로지스틱 회귀에 의한 UCI 기계 학습 저장소의 Secom 데이터 세트를 분석 중이지만 그 결과는 좋지 않습니다. https://archive.ics.uci.edu/ml/datasets/SECOM 특성 : 590 개 수치 속성 106 양성 샘플 (제조 실패) 목적은 정확한 양의 클래스를 예측하는 것이다와 1,546 데이터 샘플, 기능 선

    0

    1답변

    사용자 정의 가중치 목록 (모두 1이 기본값이 아닌)이 glmnet()으로 전달되면 어떤 일이 일어나는지 알고 싶습니다. glmnet 패키지 @github: glmnet을 조사했지만 아래에 무슨 일이 일어나는지 파악할 수 없었습니다. 소수 관측치를 복사하여 업 샘플링하는 것과 동일합니까?

    0

    1답변

    가 나는 다양한 도구를 사용하여 계수를 플롯 할 수 있습니다 캐럿 pen.params = expand.grid(lambda = exp(seq(-3,3,0.05)) , alpha = 1) model.penalized = train(y~., data = d.train, trControl = fitControl,