r语言 - 同时弹性净回归

Question

我正在尝试同时在R中为多个变量执行弹性网络。我有 15 个 Xi，我想找到使用每个变量作为回归器的弹性网络模型。对于一个西，我可以执行 遵循并通过以下方式获得最佳alpha和lambda

A<-matrix(rnorm(36),nrow=10,ncol = 15)
colnames(A) <- c("X1", "X2", "X3", "X4", "X5", "X6","X7","X8","X9","X10","X11","X12","X13","X14","X15")
A #random data
library(glmnetUtils)
library(glmnet)
library(coefplot)
set.seed(1234)    

# Train model.
fit <- cva.glmnet(X1 ~ ., data=A)
# Get alpha.
get_alpha <- function(fit) {
alpha <- fit$alpha
error <- sapply(fit$modlist, function(mod) {min(mod$cvm)})
alpha[which.min(error)]
}

# Get all parameters.
get_model_params <- function(fit) {
alpha <- fit$alpha
lambdaMin <- sapply(fit$modlist, `[[`, "lambda.min")
error <- sapply(fit$modlist, function(mod) {min(mod$cvm)})
best <- which.min(error)
data.frame(alpha = alpha[best], lambdaMin = lambdaMin[best])
}
get_model_params(fit) 

我想同时对所有 Xi 执行此过程，并能够创建 2 个数据帧，其中包含 a. 所有最优min.lambda、b. 所有最优alpha，以及一个包含使用最优alpha和min.lambda生成的系数的列表。有人可以帮我这样做吗？

Answer 1

您需要在所有行组合上循环该函数：

loop <- function(data) {
#make an output dataframe
output <- as.data.frame(matrix(NA, nrow = ncol(data), ncol = 2))
colnames(output) <- c('alpha', 'lambdaMin')
#loop over each column
for(i in 1:ncol(data)) {
fit <-  cva.glmnet(data[,-i],data[,i])
#set the ith row to be the output
output[i,] = get_model_params(fit)
}
output
}
loop(A)

我们使用 x，y 输入来glmnet而不是公式接口，并使用data[,i]和data[,-i]对每一列进行子集化。