Question

我现在已经捣乱了大约一个星期，试图弄清楚这个，所以任何帮助都会非常感激。

我有一个带有二进制目标和连续预测变量的数据集。

输入看起来像这样（有更多变量，但你明白了 - 它非常稀疏）：

18.425           0             0             0             0
0.000            0             0             0             0
0.000            0             0             0             0
0.000            0             0             3.234         0
0.000            0             0             0             0

目标是二进制，0或1，也非常稀疏：

0 1 0 0 0

我正在尝试以下代码：

ridge_fit <- glmnet(x = as.matrix(train_input), 
                y = as.factor(train_target),
                family="binomial")
ridge_predict <- predict.glmnet(ridge_fit, 
                            newx = test_input, 
                            type = 'class')

得到这样的输出：

s0        s1        s2        s3        s4
-3.391069 -3.396630 -3.400896 -3.404444 -3.407538
-3.391069 -3.388934 -3.388549 -3.388796 -3.389314
-3.391069 -3.396621 -3.400882 -3.404427 -3.407517
-3.391069 -3.396630 -3.400896 -3.404444 -3.407538
-3.391069 -3.396630 -3.400896 -3.404444 -3.407538

我尝试过与家人一起玩耍，预测类型，将事物作为因素运行，作为矩阵，使用不同的alpha值进行游戏（针对山脊，但愿意尝试任何有效的方法）点）和不同的lambda序列，尝试了一些较小的数据集（然后我得到了整数变量，这些变量是空值，并且出现了一些错误）。

超级，超级混淆我还能尝试什么。数据集适用于回归，但在我使用分类变量进行尝试时，会继续吐出回归值。

不知道接下来该做什么。。。提前感谢任何反馈！

Answer 1

这里有几件事：

使用predict S3泛型而不是predict.glmnet，因为class(ridge_fit) = c("lognet" "glmnet")。因此predict()将首先选择predict.lognet。如果您需要概率，请使用type = 'response'。
你的答案是矩阵。每列对应于特定的λ值。您可以从ridge_fit object获取lambda值。
如果您需要单一预测，请考虑使用cv.glmnet()函数根据交叉验证选择最佳lambda。

R glmnet分类 - 家庭=＆＃39;二项式＆＃39;，类型=＆＃39;类＆＃39;，没有错误，为什么我仍然得到回归预测？

1 个答案: