如何使用glmnet在R中计算Lasso回归的R平方值

Question

我正在使用glmnet包在R中执行套索回归：

fit.lasso <- glmnet(x,y)
plot(fit.lasso,xvar="lambda",label=TRUE)

然后使用交叉验证：

cv.lasso=cv.glmnet(x,y)
plot(cv.lasso)

一篇教程 (最后一页) 对于R^2的建议如下:

R_Squared =  1 - cv.lasso$cvm/var(y)

但是它没有起作用。

我希望了解模型在拟合数据时的效率/性能。通常，在r中执行lm()函数时，我们会得到R^2和调整后的R^2。

- AKD

---

"it did not work" 的意思是什么？ 这确实会产生一个答案。你认为这个答案有问题吗？ - Patrick Breheny

Answer 1

如果您使用的是"高斯"系列，可以通过以下方式访问R-squared值：

fit.lasso$glmnet.fit$dev.ratio

- woodstck

---

从glmnet文档中，dev.ratio是“解释（对于“elnet”，这是R平方）的（空）偏差的分数”。 - Quazi Irfan

这是一个非常具有误导性的答案，因为它没有调整过拟合。R平方应基于交叉验证偏差比率计算。 - Patrick Breheny

Answer 2

我使用示例数据来演示它

加载库(glmnet)

加载数据

data(BinomialExample)
head(x) 
head(y)

用于交叉验证

cvfit = cv.glmnet(x, y, family = "binomial", type.measure = "class")
rsq = 1 - cvfit$cvm/var(y)
plot(cvfit$lambda,rsq)

- Yi Xiong

---

你提供了一个分类问题的例子，但OP正在处理回归问题。 - David

Answer 3

首先使用选定的lambda拟合Lasso模型

...

lasso.model <- glmnet(x=X,y=Y, family = "binomial", alpha=1, lambda = cv.model$lambda.min )

然后，您可以从拟合模型中获得伪R2。

`lasso.model$dev.ratio`

这个值表示模型解释的偏差/零偏差。

- Zheng Huang

---

不要这样做，你不想根据cv.model重新调整glmnet。实际上，已经有一个与cv.model完全相同的cv.model$glmnet.fit。 看起来Woodstock正在正确地进行操作。 - profPlum