คาเร็ตและค่าสัมประสิทธิ์ (glmnet)


19

ฉันสนใจที่จะใช้คาเร็ตเพื่อทำการอนุมานบนชุดข้อมูลเฉพาะ เป็นไปได้ที่จะทำดังต่อไปนี้:

  1. สร้างค่าสัมประสิทธิ์ของรูปแบบ glmnet ที่ฉันฝึกในคาเร็ต ฉันต้องการใช้ glmnet เนื่องจากการเลือกคุณสมบัติโดยธรรมชาติเพราะฉันไม่เชื่อว่า glm มีหรือไม่

  2. นอกเหนือจากตัวชี้วัด ROC มีอีกตัวชี้วัดหนึ่งที่ฉันสามารถใช้เพื่อประเมินแบบจำลองหรือไม่ เช่นการปรับ ?R2

จุดประสงค์ของการวิเคราะห์นี้คือการหาข้อสรุปเกี่ยวกับผลกระทบของตัวแปรเฉพาะมากกว่าการคาดการณ์ ฉันชอบชุดคาเร็ตเพราะมันง่ายต่อการใช้งานด้วยการใช้เมทริกซ์


3
แพคเกจรูปหมวกมาพร้อมกับชุดของสะเปะสะปะ (และกระดาษ JSS) ที่ครอบคลุมมากที่สุดของคำถามของคุณ คุณสามารถระบุได้อย่างแม่นยำว่าคุณหมายถึงอะไร "รับการอนุมานบางอย่างเกี่ยวกับผลกระทบของตัวแปรเฉพาะ"
chl

การอนุมานผ่านค่าสัมประสิทธิ์ ฉันกำลังอ่านผ่านการทำนายแบบจำลองประยุกต์เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับ R และการสร้างแบบจำลองพร้อมกัน ฉันอ่านบทความสั้น ๆ และ pdf แล้ว แต่มีฟังก์ชั่นมากมายที่ยากต่อการติดตามทั้งหมด อย่างไรก็ตาม Zach ตอบคำถามของฉันดังนั้นฉันรู้สึกขอบคุณ ขอบคุณ!
user2300643

ที่จริงฉันพบลิงค์ที่ฉันให้ที่นี่เพื่อให้คำตอบที่ดีที่สุดสำหรับการแยกสัมประสิทธิ์รุ่นสุดท้ายstackoverflow.com/questions/48079660/…
Nusrat Rabbee

คำตอบ:


40

สมมติว่าแบบจำลองคาเร็ตของคุณเรียกว่า "แบบจำลอง" คุณสามารถเข้าถึงรูปแบบ glmnet model$finalModelสุดท้ายกับ จากนั้นคุณสามารถโทรcoef(model$finalModel)ฯลฯ coef(model$finalModel, model$bestTune$.lambda)คุณจะต้องเลือกค่าแลมบ์ดาที่คุณต้องการสัมประสิทธิ์เช่น

ลองดูsummaryFunctionพารามิเตอร์ของtrainControlฟังก์ชั่น มันจะช่วยให้คุณสามารถระบุฟังก์ชั่นใด ๆ ที่คุณต้องการที่จะย่อเล็กสุด (หรือขยายดูmaximizeอาร์กิวเมนต์train), ได้รับการทำนายและการตอบสนอง

อาจเป็นเรื่องยากที่จะได้รับการปรับ R ^ 2 ด้วยวิธีนี้ แต่คุณอาจจะได้รับ R ^ 2 หรือสิ่งที่คล้ายกัน


3
ขอบคุณซัค นั่นเป็นสิ่งที่แน่นอน นอกจากนี้ฉันอยากจะขอบคุณสำหรับชุด CaretEnsemble ของคุณ โปรดติดตามการทำงานที่ดี.
2300643

@ user2300643 ไม่มีปัญหา! ฉันดีใจที่คุณใช้แพ็คเกจนี้
ซัค

6
ในcaretรุ่นปรับที่ดีที่สุดแลมบ์ดาขณะนี้:6.0.78 model$bestTune$lambda
แฮร์ริสัน

มีวิธีการรับข้อผิดพลาดมาตรฐานของสัมประสิทธิ์เหล่านั้นหรือไม่
saifulsafuan
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.