ฟังก์ชั่น caret Train สำหรับ glmnet cross-validate สำหรับทั้ง alpha และ lambda หรือไม่?

ไม่ R caretแพคเกจข้ามการตรวจสอบทั้งในalphaและlambdaสำหรับglmnetรูปแบบ? ใช้รหัสนี้

eGrid <- expand.grid(.alpha = (1:10) * 0.1, 
                     .lambda = (1:10) * 0.1)

Control <- trainControl(method = "repeatedcv",repeats = 3,verboseIter =TRUE)

netFit <- train(x =train_features, y = y_train,
          method = "glmnet",
          tuneGrid = eGrid,
          trControl = Control)

บันทึกการฝึกอบรมมีลักษณะเช่นนี้

Fold10.Rep3: alpha=1.0, lambda=NA 

อะไรlambda=NAหมายถึง?

train จะปรับทั้งสอง

โดยทั่วไปคุณจะต้องalphaเมื่อการฝึกอบรมและได้รับการคาดการณ์ทั่วค่าที่แตกต่างของการใช้lambda predict.glmnetบางทีคุณค่าlambda = "all"หรืออย่างอื่นจะให้ข้อมูลมากกว่า

แม็กซ์

คำถามเก่า แต่เมื่อเร็ว ๆ นี้ฉันต้องจัดการกับปัญหานี้และพบว่าคำถามนี้เป็นข้อมูลอ้างอิง

นี่คือวิธีการทางเลือก:

glmnet บทความ ( https://web.stanford.edu/~hastie/glmnet/glmnet_alpha.html ) เฉพาะที่อยู่ปัญหานี้แนะนำเพื่อระบุการตรวจสอบข้ามพับใช้อาร์กิวเมนต์ foldids และตรวจสอบมากกว่าตารางของ\วิธีนี้ใช้ cv folds เดียวกันเพื่อตรวจสอบความถูกต้องสำหรับแต่ละในกริดของคุณ$\lambda$$\alpha$$\lambda$$\alpha$

เหตุผลนี้อาจเหนือกว่าการตรวจสอบความถูกต้องและพร้อมกันคือ cv.glmnet ตรวจสอบความถูกต้องโดยใช้ 'warm start' เพื่อเลือก$\alpha$$\lambda$$\lambda$$\lambda$$\lambda > 0$$\lambda$