是否使用 r 中的插入符号训练了 glmnet 模型中原始尺度的变量系数答案

【问题标题】：Are the variable coefficients in original scale from glmnet model trained using caret in r是否使用 r 中的插入符号训练了 glmnet 模型中原始尺度的变量系数
【发布时间】：2020-07-09 15:55:10
【问题描述】：

我使用 caret 包来训练 glmnet 模型。我标准化了预测变量。似乎 glmnet 自动为我标准化了预测变量。所以无论我是否使用 preProcess 都不会影响我的结果。

library(caret)
fit<- caret::train (price~carat+depth+cut,
              data=diamonds[1:200,],
              method= 'glmnet',
              preProcess=c('center', 'scale'),
                metric = "Rsquared")

我需要知道预测变量对我的目标变量的影响。我可以从下面的代码中获取变量系数。

coef(fit$finalModel, fit$bestTune$lambda)

我的问题是：这些变量系数是原始比例还是标准化比例的输出？谢谢。

【问题讨论】：

标签： r r-caret glmnet

【解决方案1】：

变量系数在原始尺度。您可以查看它们，如果将它们呈现给按比例缩放的预测器，则不太可能看到 1 个系数为 1000+（意味着您必须增加 1000* sd !!），而另一个则为 -17。

coef(fit$finalModel, fit$bestTune$lambda)
7 x 1 sparse Matrix of class "dgCMatrix"
                     1
(Intercept) 1717.36000
carat       1092.16045
depth        -17.86985
cut.L         51.31784
cut.Q          .      
cut.C          .      
cut^4          .

确定的一种方法是检查拟合值：

preProcValues <- preProcess(diamonds[1:200,], method = c("center", "scale"))

pred_scaled = predict(fit,predict(preProcValues,diamonds[1:200,]))
identical(pred_scaled,fitted(fit))
[1] FALSE
pred_orig = predict(fit,diamonds[1:200,])
identical(pred_orig,fitted(fit))
[1] TRUE

【讨论】：