我尝试使用glmnet()拟合Lasso回归模型。由于我以前从未使用过Lasso回归,所以我尝试使用教程,但当应用模型时,总是出现以下错误: Error in lognet(x, is.sparse, ix, jx, y, weights, offset)中的数据集,似乎因变量y必须只包含0和1。每当我将y的观测值之一设置为2或0或1以外的任何值时,都会导致此错误。问题是,在我的数据中,y变量表示犯
我有数据(如下),并进行了线性、脊线和套索回归。对于套索和岭回归,我已经使用交叉验证找到了最优的λ。现在,我想将拟合的模型叠加到原始数据的y与x图上。即使你能给我指出正确的方向,那也太好了。 我让模型都工作得很好。我在图上有一条线性回归线。但是,当我尝试以相同的方式绘制其他两个拟合时,它不会起作用。用于创建数据的代码 set.seed(1)
x
我在我的数据集中有许多连续的自变量和一个独立的虚拟变量,这些变量是关于给定年份的个人的。然而,在我的估算过程中,glmnet的默认设置是,我使用的是横截面数据,而我希望R将我的数据视为面板数据,因此它会对Logistic Lasso建模,而我想要的是Logistic Random Effects因此,在下面的示
众所周知,glmnet可以用作特性选择的工具。一个玩具例子:# Binomial dataset, the number of classes is 2# data truncation这个结果是清楚的,也是可以理解的。(x, y, family = "multinomial")现在,coefs存储将要选择的特性的三个命题
我已经通过glmnet运行了一个logit模型。我从最小的λ中提取系数,它给出了我期望的结果。然而,我有一个具有9个唯一值的因子变量,并且glmnet为此产生了一个系数,这是二元变量所期望的,而不是因子...coef(model.obj, s = 'lambda.min所以我的问题是:2)对于变量的不同因