Запитання з тегом «glmnet»

Я новачок у glmnetпакеті, і досі не знаю, як інтерпретувати результати. Може хто-небудь, будь ласка, допоможе мені прочитати наступний сюжетний сюжет? Графік отримували, виконавши наступне: library(glmnet) return <- matrix(ret.ff.zoo[which(index(ret.ff.zoo)==beta.df$date[2]), ]) data <- matrix(unlist(beta.df[which(beta.df$date==beta.df$date[2]), ][ ,-1]), ncol=num.factors) model <- cv.glmnet(data, return, standardize=TRUE) op <- par(mfrow=c(1, 2)) plot(model$glmnet.fit, "norm", label=TRUE) plot(model$glmnet.fit, "lambda", …

15 r  data-visualization  interpretation  lasso  glmnet 

Я намагаюся дублювати результати з sklearnлогістичної регресійної бібліотеки за допомогою glmnetпакету в Р. sklearnminw,c12wTw+C∑i=1Nlog(exp(−yi(XTiw+c))+1)minw,c12wTw+C∑i=1Nlog⁡(exp⁡(−yi(XiTw+c))+1)\min_{w,c} \frac12 w^Tw + C\sum_{i=1}^N \log(\exp(-y_i(X_i^Tw+c)) + 1) З віньєток з glmnetйого реалізація мінімізує дещо інший вартість функції хвβ, β0- [ 1N∑i=1Nyi(β0+xTiβ) -log( 1 + е( β0+ хТiβ)) ] + λ [ ( α - 1 ) …

15 r  logistic  python  scikit-learn  glmnet 

Зачинено. Це питання поза темою . Наразі відповіді не приймаються. Хочете вдосконалити це питання? Оновіть питання, щоб воно було тематичним для перехресної перевірки. Закрито 3 роки тому . Я будую логістичну регресію в R за допомогою методу LASSO з функціями cv.glmnetвибору lambdaі glmnetдля кінцевої моделі. Я вже знаю всі недоліки …

15 r  logistic  categorical-data  lasso  glmnet 

Здається, існує велика плутанина в порівнянні використання glmnetв рамках caretпошуку оптимальної лямбда та використання cv.glmnetтого ж завдання. Поставлено багато питань, наприклад: Класифікаційна модель train.glmnet vs. cv.glmnet? Який правильний спосіб використання glmnet з каретою? Перехресне підтвердження `glmnet` за допомогою` caret` але відповіді не надано, що може бути пов'язано з відтворюваністю питання. …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

Я намагаюся моделювати деякі дані за допомогою glmnetпакету в Р. Скажімо, у мене є такі дані training_x <- data.frame(variable1 = c(1, 2, 3, 2, 3), variable2 = c(1, 2, 3, 4, 5)) y <- c(1, 2, 3, 4, 5) (Це спрощення; мої дані набагато складніші.) Тоді я використовував наступний код …

13 r  glmnet 

Таблиця 18.1 в елементах статистичного навчання підсумовує ефективність декількох класифікаторів на наборі даних 14 класу. Я порівнюю новий алгоритм з мережею та еластичною сіткою для таких задач класифікації багатокласових. Використовуючи glmnetверсію 1.5.3 (R 2.13.0), я не в змозі відтворити точку 7. ( -окреслений мультином) в таблиці, де кількість використаних генів …

13 classification  lasso  glmnet 

LASSO та адаптивний LASSO - це дві різні речі, правда? (Для мене покарання виглядають інакше, але я просто перевіряю, чи я щось пропускаю.) Якщо ви загалом говорите про еластичну сітку, це особливий корпус LASSO або адаптивний LASSO? Який з них виконує пакунок glmnet, якщо ви вибрали альфа = 1? Адаптивний …

12 lasso  glmnet  elastic-net  oracle 

Я використовую "glmnet" для регресії ласо в GWAS. Деякі варіанти та особи мають відсутні значення, і, здається, glmnet не може обробити пропущені значення. Чи є для цього рішення? чи є інший пакет, який може обробляти пропущені значення в регресії ласо? Ось мої сценарії. > library(glmnet) > geno6<-read.table("c6sigCnt.geno") > geno6[1:10,1:10] #genotype …

12 missing-data  lasso  glmnet 

Для мого поточного пошуку я використовую метод Лассо через пакет glmnet в R на біноміальній залежній змінній. У glmnet оптимальна лямбда знайдена за допомогою перехресної перевірки, і отримані моделі можна порівняти з різними заходами, наприклад, помилкою неправильної класифікації або відхиленням. Моє запитання: Як саме визначається відхилення в glmnet? Як він …

12 cross-validation  lasso  glmnet  deviance  lars 

Я намагаюся зробити вибір моделей на деяких прогнозованих кандидатах, використовуючи LASSO з постійним результатом. Мета полягає у виборі оптимальної моделі з найкращою продуктивністю прогнозування, що зазвичай може бути виконано перехресним перевіркою K-кратного результату після отримання шляху рішення параметрів настройки від LASSO. Проблема тут полягає в тому, що дані походять із …

11 cross-validation  survey  lasso  glmnet 

Хто-небудь намагався перевірити, чи встановлення моделі Elastic Net з ElasticNetнауками на Python та glmnetR в одному наборі даних дає однакові арифметичні результати? Я експериментував з багатьма комбінаціями параметрів (оскільки дві функції відрізняються за значеннями за замовчуванням, які вони передають аргументам), а також масштабування даних, але ніби нічого не створює однакову …

11 machine-learning  scikit-learn  glmnet  elastic-net 

Я хочу зробити наступне: 1) регресія OLS (без терміну пеналізації) для отримання бета-коефіцієнтів ; позначає змінні, які використовуються для регресування. Я роблю це мимоb∗jbj∗b_{j}^{*}jjj lm.model = lm(y~ 0 + x) betas = coefficients(lm.model) 2) Регресія Лассо зі строком пеналізації критеріями відбору є Байєсові інформаційні критерії (BIC), задані λj=log(T)T|b∗j|λj=log⁡(T)T|bj∗|\lambda _{j} = …

11 r  regression  glmnet  lars 

Наступна проблема: Я хочу передбачити категоричну змінну відповіді з однією (або більше) категоричними змінними за допомогою glmnet (). Однак я не можу зрозуміти, що вихідний glmnet дає мені. Гаразд, спочатку сгенеруємо дві пов'язані категоріальні змінні: Створення даних p <- 2 #number variables mu <- rep(0,p) sigma <- matrix(rep(0,p^2), ncol=p) sigma[1,2] …

11 categorical-data  multinomial  glmnet 

Я хотів би вручну зафіксувати певний коефіцієнт, скажімо, , а потім підходити коефіцієнти до всіх інших прогнокторів, зберігаючи β 1 = 1,0 у моделі.β1= 1,0β1=1.0\beta_1=1.0β1= 1,0β1=1.0\beta_1=1.0 Як я можу досягти цього за допомогою R? Я особливо хотів би попрацювати з LASSO ( glmnet), якщо можливо. Як варіант я можу обмежити …

11 r  multiple-regression  lasso  glmnet  constrained-regression 

Я застосував деякі дані, щоб знайти найкраще рішення змінних моделі регресії за допомогою регресії хребта в Р. Я використовував lm.ridgeі glmnet(коли alpha=0), але результати дуже відрізняються, особливо коли lambda=0. Припускається, що обидва оцінки параметрів мають однакові значення. Отже, у чому тут проблема? з найкращими побажаннями

11 r  regression  ridge-regression  glmnet