glmnet

    6熱度

    1回答

    我使用glmnet根據一組5個要素使用以下代碼來預測概率。我需要實際的公式,因爲我需要在不同的(非R)程序中使用它。 deg = 3 glmnet.fit <- cv.glmnet(poly(train.matrix,degree=deg),train.result,alpha=0.05,family='binomial') 所得係數的名稱具有五個位置(I假設這是每個特徵中的一個)和它們中

    20熱度

    1回答

    我試圖在數據集上使用glmnet包。我使用cv.glmnet()獲得glmnet()的lambda值。這裏的數據集和錯誤消息: > head(t2) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 1 1 1 0.7661266 45 2 0.80298213 9120 13 0 6 0 2 2 2 0 0.9571510 40 0 0.12187

    12熱度

    3回答

    我試圖在數據集上使用glmnet包。我使用cv.glmnet()獲得glmnet()的lambda值。我將1,2,7,12列排除在外:id列,響應列,包含NA,幷包含NA。 這裏的數據集和錯誤消息: > head(t2) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 1 1 1 0.7661266 45 2 0.80298213 9120 13 0

    0熱度

    2回答

    我在glmnet(它實現了套索迴歸)中使用k-fold交叉驗證,但是我無法根據此做出ROC圖表。 library(glmnet) glm_net <- cv.glmnet(dev_x_matrix,dev_y_vector,family="binomial",type.measure="class") phat <- predict(glm_net,newx=val_x_matrix,s="l

    11熱度

    2回答

    我有一個二元結果的迴歸模型。我用glmnet擬合了模型,得到了選定的變量及其係數。由於glmnet不計算變量的重要性,我想喂精確的輸出(選定的變量和它們的係數)glm來獲取信息(標準錯誤等)。 我搜索了r文件,看來我可以使用glm中的「method」選項來指定用戶定義的函數。 但我沒有這樣做,有人可以幫助我嗎?

    3熱度

    1回答

    我想在R中使用glmnet構建簡單的多類邏輯迴歸模型。但是,當我嘗試預測測試數據並獲取應急表時,我收到一個錯誤。以下是一個示例會話。 > mat = matrix(1:100,nrow=10) > test = matrix(1:50,nrow=5) > classes <- as.factor(11:20) > model <- glmnet(mat, classes, family=

    8熱度

    1回答

    我一直無法理解關於如何調用S3方法的文檔,並且這一次它讓我感到困擾。 我會先問一個以上的問題,但他們都密切相關。在一組複雜功能的核心中,我創建了很多適合的東西,尤其是後勤部分。現在,glmnet文檔指定其返回值具有「glmnet」和(邏輯迴歸)「lognet」兩個類。實際上,這些按照這個順序指定。 然而,看着glmnet的執行結束後,調用(內部功能)lognet,該套fit後級點對點到「logne

    3熱度

    1回答

    我想找到的R用規則化迴歸是介於0預測值的包 - 雖然1。我沒有太多的運氣,已經嘗試了​​包和現在的glmnet包。 下面是從在用於glmnet包的參考手冊的示例代碼和我不理解的輸出。 library(glmnet) set.seed(1010) n=1000;p=100 nzc=trunc(p/10) x=matrix(rnorm(n*p),n,p) beta=rnorm(nzc)

    3熱度

    2回答

    由於R軟件包glmnet不提供Windows的二進制文件,所以我必須在我的操作系統win7 64bit下編譯它。我如何過有此錯誤消息: gfortran -m64 -fdefault-real-8 -ffixed-form -O2 -mtune=core2 -c newGLMnet.f90 -o newGLMnet.o f951.exe: sorry, unimplemented: 64-bi

    4熱度

    1回答

    以下代碼塊失敗,無法識別。 library(caret) data(iris) TrainData <- iris[,1:4] TrainClasses <- factor(ifelse(iris[,5]=='versicolor','versicolor','other')) model1 <- train(TrainData,TrainClasses,method='glmnet')