机器学习关于LASSO变量选择求助

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

最近需要对LASSO方法进行数据分析，目前有一些问题，希望能解答，

set.seed(123)
fit.cv <- cv.glmnet(x = x,y = y,family='binomial',nfolds = 10,)#交叉验证
plot(fit.cv)
fit.cv$lambda.1se
fit.cv$lambda.min
g.coef <- coef(fit.cv,s = 'lambda.min')
g.coef <- coef(fit.cv,s = 'lambda.1se')
第一个是关于lambda.1se和lambda.min到底有什么区别呀，因为在lambda.1se的情况下一个变量也没有选择，而在 'lambda.1se'的情况下选择了几个变量，这时到底选哪个？
还有就是如果数据量比较小，不想分测试集和训练集，怎么输出混合矩阵和ROC，是使用predict 直接应用到原来的数据集吗
求大神帮助

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：LASSO 机器学习 变量选择 数据分析 seed

min表示最小误，1se 是一个标准误 。
lambda.min 表示最小误时的lambda ,
lambda.1se  表示 误<=最小误+1se时最大lambda
正常lambda.min< lambda.1se 。 用lambda.1se 模型的一般误会更好些。。
用 lambda.1se 时的情况下一个变量也没有选择，一是说明你的自变量可能真没实效，二可将alpha 参数，改为<1.
想输出AUC（即ROC下面积），cv.glmnet 中  type.measure设置为"auc"..
其他分析 ，因数据小，不想分测试集和训练集，可在predict 中,直接用原数据集 。但这是样本内分析，不可靠。
  可用cv-folds分析，但cv.glmnet 不是做此好函数。。 用H2O 或caret 中 相应模型。较好。。。。

万分感谢。。。。