Question

我试图使用glmnet软件包在带有二元结果（logit）的模型上拟合套索（L1惩罚）。我的预测因子都是二元的（除了一个连续变量外，他们的＃1/0不是有序的，~4000）。我需要将预测变量转换为稀疏矩阵，因为它需要永远和一天。我的问题是：似乎人们正在使用sparse.model.matrix，而不是仅将其矩阵转换为稀疏矩阵。这是为什么？我需要在这做吗？两种方法的结果都略有不同。

另外，我的因素是否需要被编码为因子（当涉及结果和预测因子时）或者是否足以使用稀疏矩阵并在glmnet模型中指定结果是二项式？

这是我到目前为止所做的事情

#Create a random dataset, y is outcome, x_d is all the dummies (10 here for simplicity) and x_c  is the  cont variable 
y<- sample(c(1:0), 200, replace = TRUE)
x_d<- matrix(data= sample(c(1:0), 2000, replace = TRUE), nrow=200, ncol=10)
x_c<- sample(60:90, 200, replace = TRUE) 

#FIRST: scale that one cont variable. 
scaled<-scale(x_c,center=TRUE, scale=TRUE)

#then predictors together
x<- cbind(x_d, scaled) 

#HERE'S MY MAIN QUESTION: What i currently do is: 
xt<-Matrix(x ,  sparse = TRUE) 

#then run the cross validation...
cv_lasso_1<-cv.glmnet(xt, y, family="binomial", standardize=FALSE)

#which gives slightly different results from (here the outcome variable is in the x matrix too) 
xt<-sparse.model.matrix(data=x, y~.)

#then run CV.

总结我的两个问题是： 1 - 我是否需要使用sparse.model.matrix，即使我的因素只是二进制而不是有序？ [如果是的话，它实际上与将矩阵转换为稀疏矩阵的做法有何不同] 2-我是否需要将二进制变量编码为因子？我问的原因是我的数据集是巨大的。它可以节省大量时间，而无需编码作为因素。

Answer 1

我认为你不需要一个稀疏模式矩阵，因为它真正给你提供了一个常规矩阵，就是扩展因子项，如果你已经二进制已经赢得了给你什么。您当然不需要来编码作为因素，我经常在仅具有1＆＃39的常规（非模型）稀疏矩阵上使用glmnet。在一天结束时，glmnet是一种数值方法，因此无论如何，一个因子将最终转换为数字。

Lasso，glmnet，数据的预处理

1 个答案: