Question

就我而言，cvfit进行K折叠交叉验证，这意味着每次都将所有数据分成训练和训练。验证集。对于每个固定的lambda，首先它使用训练数据来获得系数向量。然后实现此构造模型以在验证集上进行预测以获得错误。

因此，对于K fold CV，它具有k个系数向量（每个都是从训练集生成的）。那是什么

COEF（cvfit）

获得？

以下是一个例子：

x <- iris[1:100,1:4]
y <- iris[1:100,5]
y <- factor(y)

fit <- cv.glmnet(data.matrix(x), y, family = "binomial", type.measure =       "class",alpha=1,nfolds=3,standardize = T)
coef(fit, s=c(fit$lambda.min,fit$lambda.1se))

fit1 <- glmnet(data.matrix(x), y, family = "binomial",
           standardize = T,
           lambda = c(fit$lambda.1se,fit$lambda.min))
coef(fit1)

在fit1中，我使用整个数据集作为训练集，似乎fit1和fit的系数是相同的。那是为什么？

提前致谢。

Answer 1

尽管cv.glmnet通过交叉验证检查模型性能，但它为每个lambda值返回的实际模型系数是基于使用完整数据集拟合模型。

cv.glmnet（类型?cv.glmnet）的帮助包含一个Value部分，其中描述了cv.glmet返回的对象。返回的列表对象（在您的情况下为fit）包含一个名为glmnet.fit的元素。帮助描述如下：

glmnet.fit用于完整数据的拟合glmnet对象。

glmnet :: cvfit的R系数

1 个答案: