我有这个数据集。 wbh
我想使用 R 包 glmnet 来确定哪些预测器可用于预测生育能力。但是，我一直无法这样做，很可能是由于对包没有完全了解。生育力变量是 SP.DYN.TFRT.IN。我想看看数据集中的哪些预测因子对生育能力的预测能力最强。我想使用 LASSO 或岭回归来缩小系数的数量，我知道这个包可以做到这一点。我只是在实现它时遇到了一些麻烦。
我知道没有代码 sn-ps 我对此表示歉意，但我不知道如何编写代码。
感谢任何建议。
感谢您的阅读
【问题讨论】：
标签： r model prediction glmnet lasso-regression
这是一个关于如何运行 glmnet 的示例：
library(glmnet)
library(tidyverse)
df 是您提供的数据集。
选择 y 变量：
y <- df$SP.DYN.TFRT.IN
选择数值变量：
df %>%
select(-SP.DYN.TFRT.IN, -region, -country.code) %>%
as.matrix() -> x
选择因子变量并转换为虚拟变量：
df %>%
select(region, country.code) %>%
model.matrix( ~ .-1, .) -> x_train
运行模型，这里的几个参数可以调整我建议检查documentation。这里我只是运行 5 折交叉验证来确定最佳 lambda
cv_fit <- cv.glmnet(x, y, nfolds = 5) #just with numeric variables
cv_fit_2 <- cv.glmnet(cbind(x ,x_train), y, nfolds = 5) #both factor and numeric variables
par(mfrow = c(2,1))
plot(cv_fit)
plot(cv_fit_2)
最佳 lambda：
cv_fit$lambda[which.min(cv_fit$cvm)]
最佳系数 lambda
coef(cv_fit, s = cv_fit$lambda[which.min(cv_fit$cvm)])
相当于：
coef(cv_fit, s = "lambda.min")
在运行coef(cv_fit, s = "lambda.min") 后，结果表中带有- 的所有特征都将从模型中删除。这种情况对应于图中左侧垂直虚线所描绘的左侧 lambda。
我建议阅读链接文档 - 如果您了解一点线性回归并且包非常直观，那么弹性网络很容易掌握。我还建议阅读ISLR，至少是 L1 / L2 正则化的部分。这些视频：1、2、34、5、6，前三个是关于通过测试错误估计模型性能，后三个是关于手头的问题。这个one 是如何在 R 中实现这些模型。顺便说一下视频中的这些人发明了 LASSO 并制作了 glment。
还可以查看glmnetUtils 库，它提供了公式界面和其他不错的功能，例如内置混合参数 (alpha) 选择。这是vignette。
【讨论】：