R语言基于glmnet构建Logistic回归模型使用L1正则化并可视化系数及最佳lambda值

Posted 2021-09-06 Data+Science+Insight

R语言基于glmnet构建Logistic回归模型使用L1正则化并可视化系数及最佳lambda值

Glmnet主要用于拟合广义线性模型。筛选可以使loss达到最小的正则化参数lambda。该算法非常快，并且可以使用稀疏矩阵作为输入。主要有线性模型用于回归，logistic回归进行分类以及cox模型进行生存分析。可以从拟合模型中做出各种预测。它也可以拟合多响应线性回归。

 

参数family规定了回归模型的类型:

—-family=”gaussian”适用于一维连续因变量

—-family=mgaussian”适用于多维连续因变量

—-family=”poisson”适用于非负次数因变量(count)

—-family=”binomial”适用于二元离散因变量(binary)

—-family=”multinomial”适用于多元离散因变量(category)

——–type.measure=deviance使用deviance，即-2log-likelihood（默认）

——–type.measure=mse使用拟合因变量与实际因变量的mean squred error

——–type.measure=mae使用mean absolute error

——–type.measure=class使用模型分类的错误率

——–type.measure=auc使用area under the ROC curve,是现在最流行的综合考量模型性能的一种参数

# 魔心构建及系