R：使用cv.glm计算弹性网预测误差

Question

library(glmnet)
library(boot)
data(iris)
x <- model.matrix(Sepal.Length~., iris)[,-1]
y <- iris$Sepal.Length
m <- cv.glmnet(x, y)
> cv.glm(x, m, K = 10)
Error in UseMethod("predict") : 
  no applicable method for 'predict' applied to an object of class "c('matrix', 'double', 'numeric')"

或

bestLambda = m$lambda.min
m2 <- glmnet(x, y, family = "gaussian", lambda = bestLambda)
>cv.glm(x, m2, K = 10)


 Error in glmnet(x = x, y = y, family = "gaussian", lambda = bestLambda,  : 
  unused argument (data = c(3.5, 3, 3.2, 3.1, 3.6,

关于this问题，我试图使用cv.glm获取我的弹性网模型的K折交叉验证预测误差，但是，我不能似乎是由于错误而这样做。我不太确定cv.glm函数是否可用于计算类cv.glm或glmnet对象的预测误差。

Answer 1

我认为你正在混淆glm和glmnet（弹性网，套索和脊线惩罚）。 cv.glm需要glm模型，而不是glmnet模型。

请尝试以下任一方法：

1. 使用glmnet与cv.glmnet计算k-fold交叉验证错误，如下所示：

   library(glmnet)
   library(boot)
   data(iris)
   x <- model.matrix(Sepal.Length~., iris)[,-1]
   y <- iris$Sepal.Length
   m <- cv.glmnet(x, y, nfolds=10)
   m$lambda.min
   #[1] 0.0003839539
   m$lambda.1se
   #[1] 0.009078549
   plot(m$lambda, m$cvm,type='l', xlab=expression(lambda), ylab='CV errors', main=expression(paste('CV error for different ', lambda)))
   lines(m$lambda, m$cvup, col='red')
   lines(m$lambda, m$cvlo, col='red')
   

   

<强> [EDITED]

训练数据集的预测错误：

mean((y-predict(m, newx=x))^2)
# [1] 0.1037433

1. 安装glm模型并使用cv.glm计算交叉验证错误增量（不进行正则化）。根据{{​​1}}：
的文档

  

delta：长度为2的向量。第一个组件是原始组件   预测误差的交叉验证估计。第二个组成部分是   调整后的交叉验证估算。调整旨在   弥补不使用留一法引入的偏见   交叉验证。

cv.glm