根据我在 Cross Validate glmnet: which is the reference category or class in multinomial regression? 中的问题，有人可以解释我们如何在 glmnet 中设置 reference category 以进行多项逻辑回归吗？
尽管 glmnet 用于应用收缩方法（Ridge、Lasso 等），但它的文档和 glmnet 论坛都没有回答这个问题。
提前谢谢你
【问题讨论】：
标签： r classification logistic-regression glmnet
不，你不能在函数 glmnet 中做到这一点，但你可以在使用 model.matrix 运行函数之前非常轻松地做到这一点：
a <- factor( rep(c("cat1", "cat2", "cat3", "no-cat"),50) ) #make a factor
levels(a) <- c("no-cat", "cat1", "cat2", "cat3") #change the order of the levels because
#the first category is always the reference category using the model.matrix function
df <- data.frame(a) #put the factor in a dataframe
dummy_a <- model.matrix(~a,data=df) #make dummies for the factor.
#Note the first category of the levels(a) will get excluded i.e.
#become the reference category
cat_dummified <- dummy_a[,2:4] #the first column is the intercept i.e. a column of 1s
#which we exclude here
> head(cat_dummified)
acat1 acat2 acat3
1 0 0 0
2 1 0 0
3 0 1 0
4 0 0 1
5 0 0 0
6 1 0 0
> class(cat_dummified)
[1] "matrix"
cat_dummified 也属于class matrix，可以在glmnet 函数中使用。
这样一来，您就只有 3 个假人，您将获得系数并针对 no-cat 类别进行引用。
希望这会有所帮助！
【讨论】：
cat_dummified是响应y参数，例如，下面的cv.glmnet命令？：cv.fit = cv.glmnet(x = vars_matrix_data, y = cat_dummified, family = "multinomial", nfolds = 10, alpha = 1)或者它是x矩阵的一部分，因为你说它会有3个系数？
x 矩阵（4694 obs x 1815 vars）的性质，它是一个非常稀疏的矩阵，带有（独立）二进制变量 {0,1}。每个变量至少有 5 个“1”。 GLMNET 以非零系数仅在虚拟变量上结束得太早。我正在编辑我的帖子，以便您查看矩阵。我已经为x 使用了Matrix 包的稀疏矩阵类型来节省资源。