R中的岭回归精度

Question

我已经坚持了一段时间，需要一些帮助。我是R的新手，从未使用GLMNET做过Ridge回归。我正在尝试通过MNIST时尚数据集（https://www.kaggle.com/zalando-research/fashionmnist）学习ML。简化培训（为确保在我尝试对整个数据集进行培训之前可以正常工作，我采用分层的随机样本（每个标签产生的训练数据集为60-6个观察值）：

MNIST.sample.train = sample.split(MNIST.train$label, SplitRatio=0.001)
sample.train = MNIST.train[MNIST.sample.train,]

接下来，我尝试使用alpha=1 ...

运行岭回归

x=model.matrix(label ~ . ,data=sample.train)
y=sample.train$label
rr.m <- glmnet(x,y,alpha=1, family="multinomial")

这似乎有效。但是，当我尝试运行预测时，出现错误：

  

cbind2（1，newx）％％（nbeta [[i]]）中的错误：尚未实现   ％％的方法：

predict.rr.m <- predict(rr.m, MNIST.test, type = "class")

最终，我正在寻求获得岭回归精度的单一度量。我相信这样做，我必须先获得一个预测。

任何有关如何修复我的代码的想法将不胜感激。

凯文