我正在使用glmnet软件包通过以下命令运行LASSO：
x_ss <- model.matrix(y_variable ~ X_variables, data="data")
y_ss <- c(y_variable)
cv.output_ss <- cv.glmnet(x_ss,y_ss, alpha=1, family="gaussian", type.measure="mse")
lambda.min_ss <- cv.output_ss$lambda.min
coef(cv.output_ss,s=lambda.min_ss)
根据我对LASSO回归的理解，每次运行时生成的估计值都略有不同。因此，我考虑可能要生成1000个模拟，并收集所讨论的X变量的估计值，以便我可以报告更有意义的内容，例如均值和方差。有什么办法可以多次运行并“保存”输出，以便获得估计的均值和方差？
答案 0 :(得分：1)
自然，您可以使用CSS:
span {
width: 100%;
background: linear-gradient(130deg, lightblue 5%, white 0%); /*Or whatever width you like*/
transition: .3s;
text-align: center;
line-height: 4;
}
span.active {
background: linear-gradient(130deg, lightblue 75%, white 0%); /*Or whatever width you like*/
}
，sapply甚至lapply。
例如
replicate将运行相同的代码1000次并在列表中输出coef的结果。函数完成后，您可以按任意方式操作xy <- replicate(1000, {
# ...
coef(...)
}, simplify = FALSE)
，例如提取所需的统计数据，将其绑定到data.frame或矩阵中，并报告均值，方差，分布...