在glmnet包中输入度量差异？

Question

在glmnet包中使用“mse”和“class”有什么区别？

log_x <- model.matrix(response~.,train)
log_y <- ifelse(train$response=="good",1,0)
log_cv <- cv.glmnet(log_x,log_y,alpha=1,family="binomial", type.measure =  "class")
summary(log_cv)
plot(log_cv)

VS。

log_x <- model.matrix(response~.,train)
log_y <- ifelse(train$response=="good",1,0)
log_cv <- cv.glmnet(log_x,log_y,alpha=1,family="binomial", type.measure =  "mse")
summary(log_cv)
plot(log_cv)

我注意到我的情节曲线略有不同或平滑，精度差异有几个百分点。但是，对于预测二项式类的响应，一种类型的度量比另一种更合适吗？

Answer 1

这取决于您的案例研究以及您希望从模型中学到什么。来自帮助文件

  

默认值为type.measure =“deviance”，它使用平方误差   对于高斯模型（a.k.a type.measure =“mse”那里）[...]。 type.measure = “类”   仅适用于二项式和多项Logistic回归，并给出错误分类   错误

因此，您必须问自己，在您的问题中，您是否希望最大限度地减少错误分类错误或均方误差。

没有直接的答案最好。它们是两种不同的统计数据，根据交叉验证生成的不同模型，模型可以根据这些统计数据确定最佳惩罚参数是什么。