glmnet

    0熱度

    1回答

    我想在glmnet套索上使用stabsel進行變量選擇。我正在關注https://github.com/hofnerb/stabs上的例子,它工作正常。 但是,我還想強制包括幾個變量。這可以通過參數'penalty.factor'在glmnet中實現,但是將此參數傳遞給args.fitfun以生成stabsel結果錯誤(參見下文)。 data("bodyfat", package = "TH.da

    1熱度

    1回答

    我使用following教程對我自己的數據嘗試進行嶺,套索和彈性網絡迴歸。但是,我得到的預測值與所有不可能爲真的行相同,因此我也得到了相同的fit和mse值。 我真的很感激,如果有人比我更瞭解R,我會看看我的代碼,也許指出我做錯了什麼。那就是: library (glmnet) require(caTools) set.seed(111) new_flat <- fread('RED_SA

    0熱度

    1回答

    我正在研究政治網絡的網絡模型。我正在做的事情之一是懲罰性的推論。我正在使用自適應套索方法,爲glmnet設置懲罰因子。我在我的模型中有各種參數:alphas和phis。 alphas是固定效果,所以我想讓他們在模型中,而phis正在處罰。 我已經從MLE估計過程glm()開始計算通過glmnet()的懲罰因子設置的自適應權重。 這是代碼: # Generate Generalized Linear

    0熱度

    1回答

    我與glmnet做套索在R.我有套索coefs out$beta 輸入: x1 0.5744207722 x2 -0.3575682570 x3 -0.0995794334 我怎樣才能提取變量的名字嗎? 所需的輸出: x1, x2,x3 我試過 $ as.data.frame as.matrix 但他們沒有轉換coefs分成n行2列矩陣。他們仍然是一個載體,x1 0.5744207722。

    0熱度

    1回答

    提取從glmnet對象 基線風險函數H0(t)的我想知道在時刻t >> H風險函數(T,X)= H 0(t)的EXP [Σβ1 *Ⅺ]。如何從R中的glmnet對象中提取基線危險函數h0(t)? 我知道的是,Survival Packages中的函數「basehaz()」只能從coxph對象中提取基線危險函數。 我還發現了一個功能,glmnet.basesurv(time, event, lp,

    0熱度

    1回答

    我想重複的代碼下面幾行: 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", alpha = 1, nfolds = 10) ...與插

    0熱度

    1回答

    我試圖獲得λ值鍵入「雙」,我發現這樣一個問題:R glmnet : "(list) object cannot be coerced to type 'double' " 但無法弄清楚如何使它適用。這裏是代碼: faba <- read.table("abalone.txt",sep=",") faba$y <- ifelse(faba$V9>9,1,0) head(faba) xtrai

    1熱度

    1回答

    我不確定如何在Python中使用rpy2重現以下R代碼。我不知道如何在訓練模型時執行R語法type.measure =「class」,並且在我嘗試使用python時,R代碼的最後兩行缺失。 library("foreach") library("glmnet") library(datasets) data(iris) y <- as.numeric(iris[,5]) X <- ir

    -1熱度

    1回答

    我目前運行在glmnet文檔(https://cran.r-project.org/web/packages/glmnet/glmnet.pdf 3頁)的例子時: > x=matrix(rnorm(100*20),100,20) > y=rnorm(100) > fit1=glmnet(x,y) > plot(fit1,xvar="lambda") 不過,我得到這個錯誤信息 錯誤的。載體

    1熱度

    1回答

    在stackoverflow.com/q/38378118中詢問過此問題,但沒有滿意的答案。 λ= 0的LASSO相當於普通最小二乘法,但在R中glmnet()和lm()似乎不是這種情況。爲什麼? library(glmnet) options(scipen = 999) X = model.matrix(mpg ~ 0 + ., data = mtcars) y = as.matrix(