预测 cv.glmnet 给我每行 r 相同的值答案

【问题标题】：predict cv.glmnet giving me identical values for every row r预测 cv.glmnet 给我每行 r 相同的值
【发布时间】：2020-06-11 13:17:50
【问题描述】：

我在基因型的二进制数据集上使用cv.glmnet 来预测连续变量表型。数据看起来像这样，但有超过 200 个基因：

       Pheno K00074 K00100 K00179 K00180
1  18.063630      0      0      0      0
2  16.746644      0      0      0      0
3  16.016194      1      0      0      0
4  -1.469207      1      1      0      0
5  -3.047956      1      0      1      1
6  15.274531      1      0      0      0

cv.glmnet 和 predict 的代码如下所示：

cv.lasso <- cv.glmnet(x = as.matrix(zx), y = unlist(zy), alpha = 1,
                      type.measure = 'mse',keep = TRUE) # runs the model
    
prediction<-predict(cv.lasso,s = cv.lasso$lambda.1se,
                    newx = as.matrix(batch1218.kegg[,-1]),type = 'class')

其中zx 只是基因存在/不存在的二进制列，zy 是表型列。 batch1218.kegg 是一组新的基因型数据，我想用它来预测表型。我的预测最终看起来像这样：

每一行的所有数字都相同。其他表型也会发生同样的事情。我认为问题可能是与大量预测变量相比，我只使用了约 38 行表型数据。但想看看是否还有我正在处理的其他问题。

【问题讨论】：

我们可能需要更多数据来帮助您，一般来说，最好发布足够多的数据来复制问题。您可以在数据的子集上使用 dput（例如，您在此处拥有的 6 行） - 我们需要一些 zx、zy 和 batch1218.kegg 来试用它
@AndrewBaxter 抱歉，我是个新手，在这里提问。我想我发现了我的问题，即套索将所有系数缩小到 0，因此实际上没有基因对大多数表型具有任何预测能力。对于确实具有一些重要基因的表型，预测结果存在一定的变异性。

标签： r regression prediction glmnet

【解决方案1】：

这通常发生在您选择的 lambda 错误时。改用“lambda.min”

【讨论】：

【解决方案2】：

这里使用示例数据集重现您的错误：

library(glmnet)

data = data.frame(Pheno=rnorm(200),K00074=rbinom(200,1,0.5),
K00100=rbinom(200,1,0.5),K00179=rbinom(200,1,0.5),K00180=rbinom(200,1,0.5))

zx = data[1:100,-1]
zy = data$Pheno[1:100]

batch1218.kegg = data[101:200,]

cv.lasso <- cv.glmnet(x = as.matrix(zx), y = unlist(zy), alpha = 1,
                      type.measure = 'mse',keep = TRUE) # runs the model

prediction<-predict(cv.lasso,s = cv.lasso$lambda.1se,
                    newx = as.matrix(batch1218.kegg[,-1]),type = 'class')

head(prediction)
             1
101 0.07435786
102 0.07435786
103 0.07435786
104 0.07435786
105 0.07435786
106 0.07435786

您的因变量是连续的，即这是回归，类型不应该是“类”，但无论如何，如果所有最佳拟合都来自将所有变量减少到零，那么您只会得到截距为非-零，因此所有预测都是相同的值：

coef(cv.lasso,s=cv.lasso$lambda.1se)
5 x 1 sparse Matrix of class "dgCMatrix"
                     1
(Intercept) 0.07435786
K00074      .         
K00100      .         
K00179      .         
K00180      .

查看您的数据框，如果您只有 4 个自变量/预测变量，那么套索是多余的。你可以应用一个简单的线性回归：

head(predict(glm(Pheno ~ .,data=data[1:100,])))
          1           2           3           4           5           6 
 0.21560938  0.28477818  0.28477818 -0.05017303 -0.11487138 -0.18404019

【讨论】：