时间戳

首页 > 解决方案 > 同时弹性净回归

r - 同时弹性净回归

问题描述

我正在尝试在 R 中同时为多个变量执行 Elastic Net。我有 15 个 Xi，我想找到使用每个变量作为回归量的弹性网络模型。对于一个 Xi 我可以执行以下操作并获得最佳alpha并lambda具有以下

A<-matrix(rnorm(36),nrow=10,ncol = 15)
colnames(A) <- c("X1", "X2", "X3", "X4", "X5", "X6","X7","X8","X9","X10","X11","X12","X13","X14","X15")
A #random data

library(glmnetUtils)
library(glmnet)
library(coefplot)
set.seed(1234)    
 
# Train model.
fit <- cva.glmnet(X1 ~ ., data=A)

# Get alpha.
get_alpha <- function(fit) {
  alpha <- fit$alpha
  error <- sapply(fit$modlist, function(mod) {min(mod$cvm)})
  alpha[which.min(error)]
}


# Get all parameters.
get_model_params <- function(fit) {
  alpha <- fit$alpha
  lambdaMin <- sapply(fit$modlist, `[[`, "lambda.min")
  error <- sapply(fit$modlist, function(mod) {min(mod$cvm)})
  best <- which.min(error)
  data.frame(alpha = alpha[best], lambdaMin = lambdaMin[best])
}

get_model_params(fit)

我想同时为所有 Xi 执行此过程，并能够创建 2 个包含 a. 都是最优min.lambda的，b。所有最优，以及使用最优和alpha生成的系数列表。有人可以帮我这样做吗？alphamin.lambda

标签： rloopsapplyglmnetregularized

解决方案

您需要在所有行组合上循环该函数：

loop <- function(data) {
  #make an output dataframe
  output <- as.data.frame(matrix(NA, nrow = ncol(data), ncol = 2))
  colnames(output) <- c('alpha', 'lambdaMin')
  #loop over each column
  for(i in 1:ncol(data)) {
    fit <-  cva.glmnet(data[,-i],data[,i])
    #set the ith row to be the output
    output[i,] = get_model_params(fit)
  }
  output
}

loop(A)

我们使用 x,y 输入glmnet代替公式接口，并使用data[,i]anddata[,-i]将每一列子集化。

推荐阅读