0
我想通过使用glmnet
或lm.ridge
来对R进行岭回归。如何在R中使用对数链接进行岭回归
我需要做这个回归与log(Y)
cost ~ size + weight ⇒ log(cost) ~ size + weight
然而,我发现有一个像glm
为glmnet
或lm.ridge
没有联系。
这个问题的任何想法?
我想通过使用glmnet
或lm.ridge
来对R进行岭回归。如何在R中使用对数链接进行岭回归
我需要做这个回归与log(Y)
cost ~ size + weight ⇒ log(cost) ~ size + weight
然而,我发现有一个像glm
为glmnet
或lm.ridge
没有联系。
这个问题的任何想法?
使用alpha输入参数(具有0值)为?glmnet
函数。正如文件所述:
alpha = 1是套索罚款,α= 0是垄罚。
尝试类似如下:
glmnet(x=cbind(size, weight), y=log(cost), alpha=0, family='gaussian')
或可能与泊松回归
glmnet(x=cbind(size, weight), y=cost, alpha=0, family='poission')
如果输入的数据是不是太庞大了,你可以通过计算得知权使用公式solve(t(X)%*%X + λ*I)%*%(t(X)%*%y)
直接从训练数据中进行岭回归,其中X是您输入的变量ABLES矩阵,ÿ是响应变量和我是单位矩阵,你可以学习使用交叉验证从持有了数据集中的拉姆达参数的最佳值。
谢谢你,sandipan,我会试试这些。 –