我无法在岭回归中计算置信区间。我有这个模型。
model5 <- glmnet(train_x,train_y,family = "gaussian",alpha=0, lambda=0.01)
当我进行预测时，我会使用以下命令：
test_pred <- predict(model5, test_x, type = "link")
有人知道如何计算预测的置信区间吗？
【问题讨论】：
标签： r regression glmnet
事实证明，glmnet 不提供标准误差（因此不提供置信区间），正如 here 所解释的那样，并且也在此 vignette 中解决（摘录如下）：
要求回归的标准误差是一个非常自然的问题 系数或其他估计量。原则上这样的标准 可以很容易地计算错误，例如使用引导程序。
不过，这 包故意不提供它们。这样做的原因是 标准误对于强烈的偏见不是很有意义 例如来自惩罚估计方法的估计。受罚 估计是一个减少估计量方差的过程 引入实质性偏见。因此，每个估计量的偏差是 其均方误差的主要组成部分，而其方差可能 只贡献了一小部分。
不幸的是，在大多数应用程序中 惩罚回归不可能获得足够精确的 偏差的估计。任何基于 bootstrap 的计算只能给出 估计的方差评估。可靠的估计 只有当可靠的无偏估计是可用的 可用，这通常不是在以下情况下 使用惩罚估计。
报告一个标准错误 因此，惩罚估计只说明了部分情况。它可以给 一个非常精确的错误印象，完全忽略了 偏差造成的不准确。这肯定是一个错误 仅基于评估的信心陈述 估计的方差，例如基于自举的置信度 间隔可以。
围绕惩罚项的可靠置信区间 在低维模型的情况下，可以使用 在 lm、glm 中实现的标准广义线性模型理论 和考克斯。构建可靠置信区间的方法 据我所知，高维情况不可用。
但是，如果您坚持置信区间，请查看 this 帖子。
【讨论】：
here 链接已失效。