r - 减少 glmnet 中 x 变量之一的权重
问题描述
我可以使用glmnet
. 但是,如果我事先知道一个变量的贡献很弱(比如 x[,1]),我该如何减少它在glmnet
函数中的贡献?
library(glmnet)
x <- matrix(rnorm(100*20),100,20)
y <- rnorm(100)
fit1 <- glmnet(x,y)
print(fit1)
coef(fit1,s=0.01) # extract coefficients at a single value of lambda
predict(fit1,newx=x[1:10,],s=c(0.01,0.005)) # make predictions
解决方案
为什么不删除它?我认为您不能减少一个变量的“贡献”。该变量会对您的预测产生影响。当一个自变量添加到模型中时,R²无论如何都会增加。如果该变量与因变量没有任何关系(这是您的情况),则将较少量的“贡献”添加到 R²。如果dependent(x) 和 Independent(y) 确实存在关系,则可以实现更大的 R²,这意味着您可以更好地用 x 解释 y。
推荐阅读
- rest - 身份验证服务器微服务,我应该为不同的用户功能使用不同的服务吗
- ios - 是否可以在 Mac Catalyst 中使用全屏?
- eclipse - 如何将新工作区与位桶中的现有远程存储库合并
- python - 在 Python 中将数组大小调整为另一个形状
- azure - 更改所有磁贴的 Azure 仪表板图表和全局参数的颜色
- oracle - 在oracle的过程中传递值时如何创建表?
- python - 如何在 Django 的一个模型中保存两个表单?
- c++ - 我可以帮助我找到这个函数的输出吗?(C++)
- google-apps-script - 根据标准显示棋盘游戏匹配的脚本
- c - 而文件写入模式如何退格在C中工作