r - 使用 lasso 回归的交叉验证来找到最佳调整参数 λ

Question

通过使用交叉验证，我想找到最佳调整参数 lambda 和预测变量“收入”的 LASSO 回归的相应系数。

我对所有这些都很陌生，并且对步骤的顺序（以及其他所有内容）感到非常困惑。

到目前为止我的代码：

library(glmnet)
set.seed(1)
grid <- 10^seq(10, -2, length.out=100)

x <- model.matrix(income~., data)
y <- data$income

train <- sample(1:nrow(x), nrow(x)/2)
test <- (-train)


# build the model
lasso.model <- cv.glmnet(x[train, ], y[train], alpha=1, lambda=grid) #sets unimportant variables to zero
plot(lasso.model)

best_lambda <- lasso.model$lambda.min # best lambda equals 0.01


#refit our model using the full data set and best_lambda
lasso.model.full <-glmnet(x, y, alpha=1)
  
lasso.predict <- predict(lasso.model.full, type="coefficients",
                         s=best_lambda)
lasso.predict[-c(1,2), ] # coefficients for optimal lambda
                        -lasso.predict)^2)

现在，我得到了最佳 lambda 0.01，这让我怀疑我做错了什么。

我有什么不同的做法？

标签： rlasso-regression