我正在使用glmnet根据一组5个特征预测概率,以下是代码。我需要实际的公式,因为我需要在不同(非R)程序中使用它。
deg = 3
glmnet.fit <- cv.glmnet(poly(train.matrix,degree=deg),train.result,alpha=0.05,family='binomial')
这些系数的名称有五个位置(我认为这是每个特征的一个位置),每个位置都是介于0和3之间的数字(我认为这是多项式的次数)。但我仍然不清楚如何精确地重构公式。
以这些为例:
> coef(glmnet.fit,s= best.lambda)
(Intercept) -2.25e-01
...
0.1.0.0.1 3.72e+02
1.1.0.0.1 9.22e+04
0.2.0.0.1 6.17e+02
...
让我们将特征称为A、B、C、D、E。这个公式应该如何解释?
Y =
-2.25e-01 +
...
(3.72e+02 * (B * E) +
(9.22e+04 * (A * B * E) +
(6.17e+02 * (B^2 + E)
...
如果这不正确,我应该如何解释它?
我看到了以下 问题和答案,但它没有涉及到这些系数名称的类型。
提前感谢你的帮助。