如何使用插入符号和 glmnet 应用套索逻辑回归？答案

【问题标题】：How to apply lasso logistic regression with caret and glmnet?如何使用插入符号和 glmnet 应用套索逻辑回归？
【发布时间】：2017-10-06 18:09:32
【问题描述】：

我正在尝试重复以下代码行：

x.mat <- as.matrix(train.df[,predictors])
y.class <- train.df$Response

cv.lasso.fit <- cv.glmnet(x = x.mat, y = y.class, 
                          family = "binomial", alpha = 1, nfolds = 10)

... 使用 caret 包，但它不起作用：

trainControl <- trainControl(method = "cv",
                       number = 10,
                       # Compute Recall, Precision, F-Measure
                       summaryFunction = prSummary,
                       # prSummary needs calculated class probs
                       classProbs = T)

modelFit <- train(Response ~ . -Id, data = train.df, 
            method = "glmnet", 
            trControl = trainControl,
            metric = "F", # Optimize by F-measure
            alpha=1,
            family="binomial")

无法识别参数“alpha”，并且“模型拟合在所有折叠中都失败”。

我做错了什么？帮助将不胜感激。谢谢。

【问题讨论】：

标签： r r-caret glmnet

【解决方案1】：

尝试使用 tuneGrid。例如如下：

tuneGrid=expand.grid(
              .alpha=1,
              .lambda=seq(0, 100, by = 0.1))

【讨论】：