在glmnet中的汇总统计信息

Question

我一直在处理一个数据集，并使用glmnet进行线性LASSO/Ridge回归。

为了简单起见，假设我使用的模型如下：

cv.glmnet(train.features, train.response, alpha=1, nlambda=100, type.measure = "mse", nfolds = 10)

我正在为客户准备演示文稿，需要展示变量的T统计量和R平方值。此外，我还需要绘制模型的残差与拟合值之间的图形。在从头开始创建函数之前，我想问一下库中是否已经涵盖了这些内容。我已经检查了glmnet vignette，但没有找到任何信息。感谢您的帮助！

- dd_rlwll

---

glmnet用于预测而非推论（尽管它确实会做一种变量选择形式）。我认为目前还没有达成一致的方法来生成标准误差，而且我所看到的唯一获得CI的方法是通过启发式法（不包括在glmnet中）。对于rsq，你可以获得观察值和预测值之间的相关性并将其平方 - 但这并不能考虑模型复杂性。 - user20650

Answer 1

您的问题的部分答案是：在R软件包中，plotmo函数库中的plotres函数是一种简单的方法，可以为各种模型（包括glmnet和cv.glmnet模型）绘制残差图。该软件包附带的plotres vignette中包含了详细信息。

library(glmnet)
data(longley)
mod <- glmnet(data.matrix(longley[,1:6]), longley[,7])
library(plotmo) # for plotres
plotres(mod)

以下是展示的图表。您可以选择子图并通过向plotres传递相应的参数来修改图表。

- Stephen Milborrow

Answer 2

两个软件包“yardstick”和“modelr”可以提供帮助。

我使用caret通过“train()”调用glmnet，返回的对象具有一个$resample对象，其中包含每个交叉验证折叠的RMSE、Rsquared和MAE。

library( tictoc ) # If you don't want to install this, just take out the calls to tic() and toc()
library( caret )
library( tidyverse )

training_folds <- createFolds( dmv, returnTrain = TRUE )

ctl <- trainControl( method = "cv", number = 5, index = training_folds )
tic()
dmv_pp <- preProcess( dmv, method = c( "nzv", "center", "scale" ))
toc() # This can take a while

dmv_train <- predict( dmv_pp, dmv )
# Using just a subset of the data, because otherwise I run out of memory.
mdl <- train( duration_avg ~ ., data = dmv_train[1:1E4,], trControl = ctl,  method = "glmnet",
              tuneGrid = expand.grid(
                alpha = c( 0, 0.5, 1),
                lambda = c( 0.001, 0.01 )
              )
          )

mdl$resample %>% names()

mdl %>%
    listviewer::jsonedit() # This object should contain $resamples

dmv_train <- dmv_train %>%
    modelr::add_predictions( mdl, var = "predicted_duration_avg" ) # I think this should work with any model that has a predict() method

dmv_train %>%
  yardstick::metrics( duration_avg, predicted_duration_avg )

- Michael