套索代码-它有什么问题

Question

我试图使用lars包进行套索回归，但似乎无法获得lars位的工作。我已经输入了代码:

diabetes<-read.table("diabetes.txt", header=TRUE)
diabetes
library(lars)
diabetes.lasso = lars(diabetes$x, diabetes$y, type = "lasso")

然而，我得到一个错误消息:rep(1, n)错误:无效的"times"参数。

我试着像这样输入:

diabetes<-read.table("diabetes.txt", header=TRUE)
library(lars)
data(diabetes)
diabetes.lasso = lars(age+sex+bmi+map+td+ldl+hdl+tch+ltg+glu, y, type = "lasso")

但是我得到错误信息:错误(年龄+性别+ bmi + map + td + ldl + hdl + tch + ltg + glu, y, type = "套索"):对象"age"未找到

我哪里错了?

编辑:数据-和下面一样，但增加了5列。

             ldl          hdl          tch          ltg          glu
1   -0.034820763 -0.043400846 -0.002592262  0.019908421 -0.017646125
2   -0.019163340  0.074411564 -0.039493383 -0.068329744 -0.092204050
3   -0.034194466 -0.032355932 -0.002592262  0.002863771 -0.025930339
4    0.024990593 -0.036037570  0.034308859  0.022692023 -0.009361911
5    0.015596140  0.008142084 -0.002592262 -0.031991445 -0.046640874

Answer 1

我认为一些混淆可能与lars包附带的diabetes数据集具有不寻常的结构有关。

library(lars)
data(diabetes)
sapply(diabetes,class)
##        x         y        x2 
##   "AsIs" "numeric"    "AsIs" 
sapply(diabetes,dim)
## $x
## [1] 442  10
## 
## $y
## NULL
## 
## $x2
## [1] 442  64

换句话说，diabetes是一个包含"列"的数据帧，这些列本身就是矩阵。在这种情况下，with(diabetes,lars(x,y,type="lasso"))或lars(diabetes$x,diabetes$y,type="lasso")工作良好。(但只有lars(x,y,type="lasso")不会，因为R不知道在diabetes数据帧中寻找x和y变量。)

然而，如果你正在读取自己的数据，你必须自己分离响应变量和预测矩阵，就像

X <- as.matrix(mydiabetes[names(mydiabetes)!="y",])
mydiabetes.lasso = lars(X, mydiabetes$y, type = "lasso")

或者你也可以使用

X <- model.matrix(y~.,data=mydiabetes)

Answer 2

lars::lars似乎没有公式接口，这意味着您不能对列名使用公式规范(而且它不接受"data="参数)。要了解更多关于这个和其他"数据挖掘"主题的信息，您可能需要获得经典文本的副本:"统计学习的要素"。试试这个:

# this obviously assumes require(lars) and data(diabetes) have been executed.
> diabetes.lasso = with( diabetes, lars(x, y, type = "lasso"))
> summary(diabetes.lasso)
LARS/LASSO
Call: lars(x = x, y = y, type = "lasso")
   Df     Rss       Cp
0   1 2621009 453.7263
1   2 2510465 418.0322
2   3 1700369 143.8012
3   4 1527165  86.7411
4   5 1365734  33.6957
5   6 1324118  21.5052
6   7 1308932  18.3270
7   8 1275355   8.8775
8   9 1270233   9.1311
9  10 1269390  10.8435
10 11 1264977  11.3390
11 10 1264765   9.2668
12 11 1263983  11.0000