คาเร็ตและค่าสัมประสิทธิ์ (glmnet)

ฉันสนใจที่จะใช้คาเร็ตเพื่อทำการอนุมานบนชุดข้อมูลเฉพาะ เป็นไปได้ที่จะทำดังต่อไปนี้:

1. สร้างค่าสัมประสิทธิ์ของรูปแบบ glmnet ที่ฉันฝึกในคาเร็ต ฉันต้องการใช้ glmnet เนื่องจากการเลือกคุณสมบัติโดยธรรมชาติเพราะฉันไม่เชื่อว่า glm มีหรือไม่

2. นอกเหนือจากตัวชี้วัด ROC มีอีกตัวชี้วัดหนึ่งที่ฉันสามารถใช้เพื่อประเมินแบบจำลองหรือไม่ เช่นการปรับ ?$R^2$

จุดประสงค์ของการวิเคราะห์นี้คือการหาข้อสรุปเกี่ยวกับผลกระทบของตัวแปรเฉพาะมากกว่าการคาดการณ์ ฉันชอบชุดคาเร็ตเพราะมันง่ายต่อการใช้งานด้วยการใช้เมทริกซ์

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